論文の概要: Online recognition of unsegmented actions with hierarchical SOM architecture

• arxiv url: http://arxiv.org/abs/2104.11637v1
• Date: Fri, 23 Apr 2021 14:41:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-26 13:15:19.565681
• Title: Online recognition of unsegmented actions with hierarchical SOM architecture
• Title（参考訳）: 階層型SOMアーキテクチャによるアンセグメンテッドアクションのオンライン認識
• Authors: Zahra Gharaee
• Abstract要約: オンラインテスト実験におけるセグメンテーション動作の認識のための新しい手法を提案する。 アクションシーケンスのユニークな特徴は、第1層の自己組織化マップによって一連の鍵アクティベーションとして表される。 実験結果から, オフラインテストと比較して, 性能はわずかに低下するが, 提案アーキテクチャが未解決のアクションシーケンスとオンラインパフォーマンスに対処できる能力により, 実ケースシナリオにおいて, より信頼性が高く, 実用的であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Automatic recognition of an online series of unsegmented actions requires a method for segmentation that determines when an action starts and when it ends. In this paper, a novel approach for recognizing unsegmented actions in online test experiments is proposed. The method uses self-organizing neural networks to build a three-layer cognitive architecture. The unique features of an action sequence are represented as a series of elicited key activations by the first-layer self-organizing map. An average length of a key activation vector is calculated for all action sequences in a training set and adjusted in learning trials to generate input patterns to the second-layer self-organizing map. The pattern vectors are clustered in the second layer, and the clusters are then labeled by an action identity in the third layer neural network. The experiment results show that although the performance drops slightly in online experiments compared to the offline tests, the ability of the proposed architecture to deal with the unsegmented action sequences as well as the online performance makes the system more plausible and practical in real-case scenarios.
• Abstract（参考訳）: オンラインの一連の無意味なアクションの自動認識には、アクションの開始と終了を決定するセグメンテーションの方法が必要である。 本稿では,オンラインテスト実験における未解決行動を認識するための新しいアプローチを提案する。 この方法は、自己組織化ニューラルネットワークを使用して、3層認知アーキテクチャを構築する。 アクションシーケンスのユニークな特徴は、第1層自己組織化マップによって導かれる一連のキーアクティベーションとして表現される。 トレーニングセット内のすべてのアクションシーケンスに対してキーアクティベーションベクトルの平均長さを算出し、学習試験で調整し、第2層自己組織化マップへの入力パターンを生成する。 パターンベクトルは第2層にクラスタ化され、クラスタは第3層ニューラルネットワークのアクションidによってラベル付けされる。 実験結果から, オフラインテストと比較して, 性能はわずかに低下するが, 提案アーキテクチャが未解決のアクションシーケンスとオンラインパフォーマンスに対処できる能力により, 実ケースシナリオにおいて, より信頼性が高く, 実用的であることが示唆された。

関連論文リスト

• Unsupervised 3D registration through optimization-guided cyclical self-training [71.75057371518093]
  最先端のディープラーニングベースの登録方法は、3つの異なる学習戦略を採用している。 本稿では,教師なし登録のための自己指導型学習パラダイムを提案する。 腹部, 肺の登録方法の評価を行い, 測定基準に基づく監督を一貫して上回り, 最先端の競争相手よりも優れていた。
  論文  参考訳（メタデータ） (2023-06-29T14:54:10Z)
• Dynamic Perceiver for Efficient Visual Recognition [87.08210214417309]
  特徴抽出手順と早期分類タスクを分離する動的知覚器(Dyn-Perceiver)を提案する。 特徴ブランチは画像の特徴を抽出し、分類ブランチは分類タスクに割り当てられた遅延コードを処理する。 早期出口は分類枝に限られており、低レベルの特徴において線形分離性は不要である。
  論文  参考訳（メタデータ） (2023-06-20T03:00:22Z)
• Unified Keypoint-based Action Recognition Framework via Structured Keypoint Pooling [3.255030588361124]
  本稿では,従来の骨格に基づく行動認識に関する3つの制限を同時に解決する。 アクション認識には、ポイントクラウドのディープラーニングパラダイムが導入される。 構造化キーポイントプールと呼ばれる新しいディープニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-03-27T14:59:08Z)
• Advancing 3D finger knuckle recognition via deep feature learning [51.871256510747465]
  接触のない3Dフィンガーナックルパターンは、識別性、距離からの視認性、利便性、利便性により、効果的な生体認証として出現している。 近年、ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープ・フィーチャー・コラボレーティブ・ネットワークが開発されている。 本稿では,3次元指のナックル画像を表現するために,最小次元の識別特徴ベクトルを学習する可能性を検討することにより,本手法を推し進める。
  論文  参考訳（メタデータ） (2023-01-07T20:55:16Z)
• Unsupervised Dense Nuclei Detection and Segmentation with Prior Self-activation Map For Histology Images [5.3882963853819845]
  事前自己アクティベーションモジュール(PSM)を用いた自己教師型学習手法を提案する。 PSMは入力画像から自己活性化マップを生成し、ラベル付けコストを回避し、下流タスク用の擬似マスクを生成する。 他の完全教師付き・弱教師付き手法と比較して,本手法は手動アノテーションを使わずに競争性能を達成できる。
  論文  参考訳（メタデータ） (2022-10-14T14:34:26Z)
• Action in Mind: A Neural Network Approach to Action Recognition and Segmentation [0.0]
  本稿では,ニューラルネットワークに基づく多層アーキテクチャの異なる実装によるヒューマンアクション認識のための新しい計算手法を提案する。 提案する行動認識アーキテクチャは,前処理層,順序ベクトル表現層,ニューラルネットワークの3層を含む複数の処理層から構成される。 開発の各段階において、システムは連続する3d体姿勢からなる入力データで訓練され、システムがこれまで経験したことのない一般的な入力データでテストされる。
  論文  参考訳（メタデータ） (2021-04-30T09:53:28Z)
• Hierarchical growing grid networks for skeleton based action recognition [0.0]
  成長するグリッドニューラルネットワークの層を応用し,行動認識のための新しい認知アーキテクチャを開発した。 システムは、学習フェーズの処理速度を向上させる入力空間の事前の知識が提供されます。 成長するグリッドアーキテクチャのパフォーマンスは、自己組織化マップに基づくシステムの結果と一致している。
  論文  参考訳（メタデータ） (2021-04-22T16:35:32Z)
• Online Recognition of Actions Involving Objects [0.0]
  オンラインモードで作業するオブジェクトの動作をリアルタイムに認識するオンラインシステムを提案する。 このシステムは、2つの情報処理ストリームを並列にマージする。 提示された方法は、2つの情報処理ストリームを組み合わせて、エージェントが実行したアクションとオブジェクトを決定する。
  論文  参考訳（メタデータ） (2021-04-13T10:08:20Z)
• MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
  本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。 マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。 本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
  論文  参考訳（メタデータ） (2020-05-15T10:37:02Z)
• Progressive Graph Convolutional Networks for Semi-Supervised Node Classification [97.14064057840089]
  グラフ畳み込みネットワークは、半教師付きノード分類のようなグラフベースのタスクに対処することに成功した。 本稿では,コンパクトかつタスク固有のグラフ畳み込みネットワークを自動構築する手法を提案する。
  論文  参考訳（メタデータ） (2020-03-27T08:32:16Z)
• Unpaired Multi-modal Segmentation via Knowledge Distillation [77.39798870702174]
  本稿では,不対向画像分割のための新しい学習手法を提案する。 提案手法では,CTおよびMRI間での畳み込みカーネルの共有により,ネットワークパラメータを多用する。 我々は2つの多クラスセグメンテーション問題に対するアプローチを広範囲に検証した。
  論文  参考訳（メタデータ） (2020-01-06T20:03:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。