情報処理学会 第80回全国大会講演要旨

Gradient-Based Localizationの原理を用いて、ニューラルネットワークによる画像処理に特徴的な空間情報を抽出する従来手法(Grad-CAM)は、CNNをフィードフォワードニューラルネットワークの中で用いるものであった。そのため、画像の空間的な局所情報を可視化することは可能であったが、時間的な局所情報を扱うことが困難であった。本稿では、この原理を、long-term recurrent convlolutional networks (LRCN) において適用し、動画像処理において特徴的な時間情報および空間情報を抽出することを可能にする手法(Recurrent Grad-CAM)を提案する。 動画像認識実験により、有効性を検証した。