二次元畳み込みニューラルネットワークにおける行動認識のための適応的フレーム選択

本研究では、ロバストな特徴を獲得するために動的フレーム選択技術を提案した。この手法により、冗長性が低減され、ネットワークに有用な入力が提供される。処理リソースを少なく抑えつつ十分な精度を確保できるため、提案手法はリアルタイム応用に適している。情報量の多いフレームを選択し、計算量を最小限に抑えることで、ネットワークの効率性が向上し、十分な精度を維持できる。本フレームワークは、UCF101という大規模かつ現実的なデータセットの一つを用いて検証された。実験の結果、ResNet-50およびMobileNetの事前学習済み特徴を用いても、妥当な性能が得られることを示した。