검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Model-Agnostic Multi-Domain Learning with Domain-Specific Adapters for Action Recognition 동작 인식을 위한 도메인별 어댑터를 사용한 모델 독립적 다중 도메인 학습

Kazuki OMI, Jun KIMATA, Toru TAMAKI

  • 조회수

    0

  • 이것을 인용

요약 :

본 논문에서는 행동 인식을 위한 다중 영역 학습 모델을 제안합니다. 제안하는 방법은 백본 네트워크의 도메인 독립적 계층 사이에 도메인 특정 어댑터를 삽입합니다. 분류 헤드만 전환하는 다중 헤드 네트워크와 달리 우리 모델은 헤드뿐만 아니라 여러 도메인에 보편적인 특징 표현을 쉽게 학습할 수 있도록 어댑터도 전환합니다. 이전 연구와 달리 제안된 방법은 모델에 구애받지 않으며 이전 연구와 달리 모델 구조를 가정하지 않습니다. 세 가지 인기 있는 동작 인식 데이터 세트(HMDB51, UCF101 및 Kinetics-400)에 대한 실험 결과는 제안된 방법이 다중 헤드 아키텍처보다 효과적이며 각 도메인에 대해 개별적으로 훈련하는 모델보다 효율적이라는 것을 보여줍니다.

발행
IEICE TRANSACTIONS on Information Vol.E105-D No.12 pp.2119-2126
발행일
2022/12/01
공개일
2022/09/15
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2022EDP7058
원고의 종류
PAPER
범주
이미지 인식, 컴퓨터 비전

작성자

Kazuki OMI
  Nagoya Institute of Technology
Jun KIMATA
  Nagoya Institute of Technology
Toru TAMAKI
  Nagoya Institute of Technology

키워드