· 2014
Büyük Ölçekli Video Sınıflandırma için Evrişimli Sinir Ağları
Large-Scale Video Classification with Convolutional Neural Networks
- 6.357atıf
- 2014yıl
Kısa özet
Evrişimli Sinir Ağları (CNN'ler), 1 milyon videoluk bir veri kümesinde %63,9 doğruluk elde ederek güçlü taban çizgilerini %8,6 oranında geride bıraktı, ancak tek kareli modellere göre sadece mütevazı bir %1,6'lık kazanç gösterdi.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- CNN'ler, 487 sınıflı 1 milyon videoluk bir veri kümesinde değerlendirildi.
- Uzamsal-zamansal CNN'ler, taban çizgilerine göre doğruluğu %55,3'ten %63,9'a çıkardı.
- Tek kareli modellere göre performans artışı mütevazıydı (%59,3 ila %60,9).
- UCF-101 veri kümesinde yeniden eğitim, önemli kazanımlar sağladı (%63,3'e karşılık %43,9).
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Convolutional Neural Networks (CNNs) have been established as a powerful class of models for image recognition problems. Encouraged by these results, we provide an extensive empirical evaluation of CNNs on large-scale video classification using a new dataset of 1 million YouTube videos belonging to 487 classes. We study multiple approaches for extending the connectivity of a CNN in time domain to take advantage of local spatio-temporal information and suggest a multiresolution, foveated architecture as a promising way of speeding up the training. Our best spatio-temporal networks display significant performance improvements compared to strong feature-based baselines (55.3% to 63.9%), but only a surprisingly modest improvement compared to single-frame models (59.3% to 60.9%). We further study the generalization performance of our best model by retraining the top layers on the UCF-101 Action Recognition dataset and observe significant performance improvements compared to the UCF-101 baseline model (63.3% up from 43.9%).
Yazarların özeti; kaynağından alınmıştır., 2014 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Bilgisayarlı Görü ve Örüntü Tanıma
Computer Vision and Pattern RecognitionComputer Science