Выявление действий на видео с помощью рекуррентных нейронных сетейАннотация. В настоящей работе рассмотрено применение методов ком-пьютерного зрения и рекуррентных нейронных сетей для решения задачи выявления и классификации действий на видео. В статье приводится описание подхода, применённого авторами для анализа видеофайлов. Рекуррентные нейронные сети выступают в каче-стве классификатора. На вход классификатору передаются мешки слов, которые являются гистограммами низкоуровневых действий. Гистограммы представляют собой наборы дескрипторов кадров видеофайлов. Для поис-ка дескрипторов на изображениях используются алгоритмы SIFT, ORB, BRISK, AKAZE.Ключевые слова и фразы: компьютерное зрение, дескрипторы, мешки слов глубинное обучение, рекуррентные нейронные сети, сети долгой краткосрочной памяти, анализ видео. ВведениеСтремительное развитие современных компьютерных техноло-гий привело к появлению мощных и доступных вычислительных устройств, позволяющих реализовывать и выполнять сложные алго-ритмы, требующие значительных вычислительных мощностей. Бла-годаря этому стала возможна практическая реализация различных методов искусственного интеллекта, в том числе -эффективных методов машинного обучения, позволяющих заменить человека в раз-личных сферах деятельности, требующих длительной монотонной обработки информации. Обратной стороной технического прогресса, в этом направлении, является стремительно возрастающий объём накапливаемой информации, из которой анализируется менее одного процента.Работа выполнена в рамках НИР «Исследование и разработка методов машинного обучения для обнаружения аномалий», номер гос. регистрации 0077-2016-0002.

Выявление действий на видео с помощью рекуррентных нейронных сетейАннотация. В настоящей работе рассмотрено применение методов ком-пьютерного зрения и рекуррентных нейронных сетей для решения задачи выявления и классификации действий на видео. В статье приводится описание подхода, применённого авторами для анализа видеофайлов. Рекуррентные нейронные сети выступают в каче-стве классификатора. На вход классификатору передаются мешки слов, которые являются гистограммами низкоуровневых действий. Гистограммы представляют собой наборы дескрипторов кадров видеофайлов. Для поис-ка дескрипторов на изображениях используются алгоритмы SIFT, ORB, BRISK, AKAZE.Ключевые слова и фразы: компьютерное зрение, дескрипторы, мешки слов глубинное обучение, рекуррентные нейронные сети, сети долгой краткосрочной памяти, анализ видео. ВведениеСтремительное развитие современных компьютерных техноло-гий привело к появлению мощных и доступных вычислительных устройств, позволяющих реализовывать и выполнять сложные алго-ритмы, требующие значительных вычислительных мощностей. Бла-годаря этому стала возможна практическая реализация различных методов искусственного интеллекта, в том числе -эффективных методов машинного обучения, позволяющих заменить человека в раз-личных сферах деятельности, требующих длительной монотонной обработки информации. Обратной стороной технического прогресса, в этом направлении, является стремительно возрастающий объём накапливаемой информации, из которой анализируется менее одного процента.Работа выполнена в рамках НИР «Исследование и разработка методов машинного обучения для обнаружения аномалий», номер гос. регистрации 0077-2016-0002.