文献

J-GLOBAL ID：201702246449138571   整理番号：17A0414500

車両検出のための建築地域共分散記述子【Powered by NICT】

Building Regional Covariance Descriptors for Vehicle Detection

著者 (6件)： Chen Xueyun (Guangxi University, Nanning, China) ,  Gong Ren-Xi (Guangxi University, Nanning, China) ,  Xie Ling-Ling (Guangxi University, Nanning, China) ,  Xiang Shiming (Guangxi University, Nanning, China) ,  Liu Cheng-Lin (Guangxi University, Nanning, China) ,  Pan Chun-Hong (Guangxi University, Nanning, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 14  号： 4  ページ： 524-528  発行年： 2017年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 高分解能衛星画像からの車両検出のための建築地域共分散記述子(RCD)の問題を研究した。二次元マスクの形で一定畳込みカーネルによるRCD特徴を構築するために提案した統一した方法。一つあるいは二つの畳込みマスクに基づく異なるRCDタイプを構築するために設計された,四種類の簡単な一定畳込みマスクによる十種類の新しいRCD特徴を得ている二種の新規定式化。実験は,そのような畳込みマスクベースRCDは以前の画像誘導体ベースRCD,人気の局所二値パターン(LBP),有向勾配のヒストグラム(H OG)及びLBP+HOGよりも優れていることを示した。二カーネルタイプ[L_1カーネルと動径基底関数(RBF)]の非線形サポートベクトルマシン(SVM)に摂食,これらRCDを,四種類の既知深い畳込みニューラルネットワーク:AlexNet,GoogLeNet,CaffeNet,LeNet,imageNet分類のよく訓練された重みによりそれらの微調整されたモデルよりも優れている。実験で試験した三種の一般的な古典的分類器の中で,非線形SVMはBPとAdaboostを明らかに,L_1カーネルはRBF(動径基底関数)を超えた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 二次元 ,  ヒストグラム ,  *共分散 ,  畳込み ,  動径基底関数 ,  *統制索引語 ,  定式化 ,  サポートベクトルマシン ,  画像 ,  ニューラルネットワーク
準シソーラス用語： 微調整 ,  高分解能衛星画像 ,  *車両検出 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 車両検出 ,  建築 ,  地域 ,  共分散 ,  記述子