A New Residual Attention Network based on Attention Models for Human Action Recognition in VideoA New Residual Attention Network based on Attention Models for Human Action Recognition in Video
- Other Titles
- A New Residual Attention Network based on Attention Models for Human Action Recognition in Video
- Authors
- 김지현; 조영임
- Issue Date
- Jan-2020
- Publisher
- 한국컴퓨터정보학회
- Keywords
- 딥 러닝; 컨볼루션 신경망; 주의 메커니즘; 비디오 프로세싱; 행동 인식; Deep Learning; Convolution Neural Network; Attention Mechanism; Video Processing; Action Recognition
- Citation
- 한국컴퓨터정보학회논문지, v.25, no.1, pp.55 - 61
- Journal Title
- 한국컴퓨터정보학회논문지
- Volume
- 25
- Number
- 1
- Start Page
- 55
- End Page
- 61
- URI
- https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/17706
- DOI
- 10.9708/jksci.2020.25.01.055
- ISSN
- 1598-849X
- Abstract
- 딥 러닝 기술의 발전과 컴퓨팅 파워 등의 개선으로 인해 비디오 기반 연구는 최근 많은 관심을 얻고있다. 비디오 데이터가 이미지 데이터와 비교하여 가장 큰 차이는 비디오 데이터에는 많은 양의 시간적, 공간적 정보가 포함되어 있다는 점이다. 이처럼 비디오에 포함된 많은 양의 데이터로 인해 컴퓨터비전 연구에 있어서 행동 인식은 중요한 연구 과제 중 하나이지만, 비디오와 같이 움직임이 있는 환경에서인간의 행동 인식은 매우 복잡하고 도전적인 과제이다. 인간에 대한 여러 연구를 바탕으로 인공지능에서는인간과 유사한 주의(attention)메커니즘이 효율적인 인식 모델이라는 것을 알게 되었다. 이 효율적인모델은 이미지 정보와 복잡한 연속 비디오 정보를 처리하는 데 이상적이다. 본 논문에서는 이러한연구배경을 기반으로, 비디오에서 인간의 행동을 효율적으로 인식하기 위해 먼저 인간의 행동에 주목한후 비디오 행동 인식에 주의메커니즘을 도입하고자 한다. 논문의 주요내용은 두 가지 주의 메카니즘을기반으로 컨볼루션 신경망을 이용한 새로운 3D 잔류 주의 네트워크를 제안함으로써 비디오에서 인간의행동을 식별하고자 한다. 제안 모델의 평가 결과 최대 90.7%정도의 정확도를 보였다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - IT융합대학 > 컴퓨터공학과 > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/17706)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.