ログイン 新規登録
言語:

WEKO3

  • トップ
  • ランキング
To
lat lon distance
To

Field does not validate



インデックスリンク

インデックスツリー

メールアドレスを入力してください。

WEKO

One fine body…

WEKO

One fine body…

アイテム

  1. 研究報告
  2. コンピュータビジョンとイメージメディア(CVIM)
  3. 2021
  4. 2021-CVIM-226

動作認識のための合成データ活用に向けたドメイン適応手法の検討

https://ipsj.ixsq.nii.ac.jp/records/211160
https://ipsj.ixsq.nii.ac.jp/records/211160
9e1634b7-fb99-4bd5-bfdc-56bc65c2eb02
名前 / ファイル ライセンス アクション
IPSJ-CVIM21226013.pdf IPSJ-CVIM21226013.pdf (3.7 MB)
Copyright (c) 2021 by the Institute of Electronics, Information and Communication Engineers This SIG report is only available to those in membership of the SIG.
CVIM:会員:¥0, DLIB:会員:¥0
Item type SIG Technical Reports(1)
公開日 2021-05-13
タイトル
タイトル 動作認識のための合成データ活用に向けたドメイン適応手法の検討
タイトル
言語 en
タイトル A Study on Domain Adaptation for Video Action Classification Utilizing Synthetic Data
言語
言語 jpn
キーワード
主題Scheme Other
主題 画像
資源タイプ
資源タイプ識別子 http://purl.org/coar/resource_type/c_18gh
資源タイプ technical report
著者所属
お茶の水女子大学
著者所属
国立情報学研究所
著者所属
産業技術総合研究所
著者所属
お茶の水女子大学
著者所属(英)
en
Ochanomizu University
著者所属(英)
en
National Instituteof Informatics
著者所属(英)
en
National Institute of Advanced Industrial Science and Technology (AIST)
著者所属(英)
en
Ochanomizu University
著者所属(英)
en
National Instituteof Informatics
著者名 礒井, 葉那

× 礒井, 葉那

礒井, 葉那

Search repository
竹房, あつ子

× 竹房, あつ子

竹房, あつ子

Search repository
中田, 秀基

× 中田, 秀基

中田, 秀基

Search repository
小口, 正人

× 小口, 正人

小口, 正人

Search repository
著者名(英) Hana, Isoi

× Hana, Isoi

en Hana, Isoi

Search repository
Atsuko, Takefusa

× Atsuko, Takefusa

en Atsuko, Takefusa

Search repository
Hidemoto, Nakada

× Hidemoto, Nakada

en Hidemoto, Nakada

Search repository
Masato, Oguchi

× Masato, Oguchi

en Masato, Oguchi

Search repository
論文抄録
内容記述タイプ Other
内容記述 ディープニューラルネットワークの進歩に伴う学習データ不足の問題について様々な議論が行われており,その解決策の 1 つに合成データを利用した学習がある.合成データには生成が比較的容易であるという利点があるが,合成データを用いて学習したモデルには,実データ解析時にドメインシフトによって解析精度が低下するという課題がある.本研究では,合成動画像データを活用した高精度な実動画像データ識別の実現を目的とし,写実的な合成動画像データを作成して学習し,その動作識別精度を調査した.実験の結果,合成動画像データにデータ拡張を行い,ラベルなし実動画像データと併せてドメイン適応を用いた学習を行うことで,実データ動作識別精度の向上が可能であることがわかった.
論文抄録(英)
内容記述タイプ Other
内容記述 The lack of learning data is considered as one of the reasons why the classification accuracies of deep neural networks do not improve. Synthetic data are used for learning to resolve the above issue because they can be generated relatively easier than real data. However, the models trained using synthetic data generally show low classification accuracies for actual data analysis due to domain shift that is differences in data characteristics. To achieve highly accurate video action classification using synthetic video data, we create a realistic synthetic video data set and investigate the video classification accuracies using the data set. The experimental results show that the accuracies can be improved by using data augmentation methods and DNN-based domain adaptation.
書誌レコードID
収録物識別子タイプ NCID
収録物識別子 AA11131797
書誌情報 研究報告コンピュータビジョンとイメージメディア(CVIM)

巻 2021-CVIM-226, 号 13, p. 1-6, 発行日 2021-05-13
ISSN
収録物識別子タイプ ISSN
収録物識別子 2188-8701
Notice
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
出版者
言語 ja
出版者 情報処理学会
戻る
0
views
See details
Views

Versions

Ver.1 2025-01-19 17:53:25.402699
Show All versions

Share

Mendeley Twitter Facebook Print Addthis

Cite as

エクスポート

OAI-PMH
  • OAI-PMH JPCOAR
  • OAI-PMH DublinCore
  • OAI-PMH DDI
Other Formats
  • JSON
  • BIBTEX

Confirm


Powered by WEKO3


Powered by WEKO3