文献

J-GLOBAL ID：201702277953604392   整理番号：17A0275027

低分解能水中画像からの魚の認識【Powered by NICT】

Fish recognition from low-resolution underwater images

著者 (4件)： Sun Xin (College of Information Science and Engineering, Ocean University of China, Qingdao, China) ,  Shi Junyu (College of Information Science and Engineering, Ocean University of China, Qingdao, China) ,  Dong Junyu (College of Information Science and Engineering, Ocean University of China, Qingdao, China) ,  Wang Xinhua (State Key Laboratory of Applied Optics, Changchun Institute of Optics, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CISP-BMEI  ページ： 471-476  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 限られた水中観察シナリオは,低分解能水中画像から物体認識の問題に大きな課題を提起している。比較的低解像度画像からの識別特徴を学習する明示的に,深い学習アプローチと超解像法を用いてフレームワークを提案した。最初に,フレームワークは,単一画像超分解能法による低分解能画像の限られた識別情報の問題に取り組んでいる。最新の深層学習手法は,特殊水中魚認識タスクのための認識モデルを学習した。提案したフレームワークは,自律水中車両のリアルタイム水中物体認識のために実装できる。本手法の有効性を検証するために,魚類の公共水中画像データセット上での実験を行った。結果は,著者らのフレームワークは,水中画像データセット上で魚認識のための有望な結果を達成することを示した。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： 学習 ,  超解像 ,  物体認識 ,  *画像 ,  認知モデル ,  *分解能
準シソーラス用語： 実時間 ,  自律性 ,  深層学習 ,  識別子 ,  低解像度画像 ,  *水中画像 ,  *低分解能 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 低分解能 ,  水中画像 ,  魚