文献

J-GLOBAL ID：201702245689975473   整理番号：17A0473044

歩行者検出のためのニューラル特徴【Powered by NICT】

Neural features for pedestrian detection

著者 (3件)： Li Chao (School of Electronics Information and Communications, Huazhong Univerisity of Science and Technology, Wuhan, PR China) ,  Wang Xinggang (School of Electronics Information and Communications, Huazhong Univerisity of Science and Technology, Wuhan, PR China) ,  Liu Wenyu (School of Electronics Information and Communications, Huazhong Univerisity of Science and Technology, Wuhan, PR China)
資料名： Neurocomputing  (Neurocomputing)
巻： 238  ページ： 420-432  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,手動で設計された特徴の代わりに完全に畳込みネットワーク(FCN)からの神経特徴を用いた歩行者検出手法を提示した。層当たりAdaBoost検出器を訓練し,この課題のための最適層を見つけるために性能を比較した。多重検出器の組合せ結果は,性能をさらに改善できる。歩行者検出タスクにFCNを適合させるために,境界ボックスラベルとを微調整した。微調整されたFCNにより生成されたニューラル特徴を用いて,Caltech歩行者データセット上で対数平均ミス率(MR)は二検出器を組み合わせて18.79%で単一検出器と16.50%であった。INRIA歩行者データセット上で提案手法を評価し,MRは二検出器を組み合わせて単一検出器を用いた11.17%と9.91%であった。改善された性能は,提案したニューラル特徴は歩行者検出タスク,それらの強い表現に適用可能であることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 検出器 ,  *歩行者 ,  畳込み ,  対数 ,  ネットワーク ,  多重化
準シソーラス用語： 微調整 ,  AdaBoost ,  *歩行者検出 , 【Automatic Indexing@JST】

著者キーワード (3件)： 歩行者検出 ,  ニューラル特徴 ,  完全畳込みネットワーク

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： 歩行者検出