文献
J-GLOBAL ID:202202276033930762   整理番号:22A0475652

スパースシフトGCN:高精度スケルトンベース動作認識【JST・京大機械翻訳】

SparseShift-GCN: High precision skeleton-based action recognition
著者 (9件):
資料名:
巻: 153  ページ: 136-143  発行年: 2022年 
JST資料番号: H0913A  ISSN: 0167-8655  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
骨格ベースの行動認識は,軽量で強い抗干渉の利点のために広く使われる。最近,グラフ畳込みネットワーク(GCN)が行動認識に適用され,ブレークスルー進展を遂げてきた。シフト畳込み演算子は空間畳込みを効果的に置換し,アルゴリズムの計算量を大幅に削減できる。本論文は,最初に,シフト-GCNの空間グラフ畳込みにおけるシフト-Conv-Shift(SCS)モジュールを置き換えるために,Conv-Shift-Conv(CSC)モジュールとシフト-Conv-Shift-Conv(SC2)モジュールを適用した。この設計は,シフトしたチャネルをより効果的に並べることができる。実験結果は,CSCモジュールが最良の効果を持ち,モデルの精度を効果的に改善することを示した。その後,本論文では,スパースシフトモジュールを用いて元のシフト-GCNにおけるシフトモジュールを置換し,SparseShift-GCNと名付けた。この構造は,特徴の冗長性を減らし,過剰適合を防ぎ,モデルの普遍性を改善する。以前の段階の改善に基づいて,より良い結果を得た。最後に,本論文は,OHEM損失と加重損失を用いて,モデルの損失関数を慎重に設計し,本論文で提案したモデルにそれを導入した。実験結果は,OHEM損失がアルゴリズムの精度をさらに改善することを示した。一連の改良の後,提案モデルは,異なる程度に4つの異なるストリームの精度を改善し,ネットワークの全体的性能を改善した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
人工知能  ,  パターン認識 
タイトルに関連する用語 (2件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る