文献

J-GLOBAL ID：201702252127196833   整理番号：17A0022886

ディープニューラルネットワークを用いた植物カテゴリー認識システム【Powered by NICT】

A Vegetable Category Recognition System Using Deep Neural Network

著者 (4件)： Sakai Yuki ,  Oda Tetsuya ,  Ikeda Makoto ,  Barolli Leonard
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IMIS  ページ： 189-192  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： 近年,環境知能(AmI)は,よりインテリジェントで信頼できる情報システムを近代化し開発するために先端技術産業でますます注目を集めている。画像中の特定の物体を検出するための技術は広い範囲の応用にさらに拡大することを期待され,高度道路交通システムのための自動車検出機能と他のシステムである。コンピュータビジョンとパターン認識が出現している高速と局所特徴検出法と共に成長し続けるであろう。本論文では,物体を抽出し,学習することによるオブジェクトカテゴリー認識のためのディープニューラルネットワーク(DNN)を用いた。野菜物体認識への深層学習を適用し,畳込みニューラルネットワーク(CNN)を検討した。評価結果から,CNNによる植物認識学習プロセスに対して,三百万回の反復が適していたことを見出した。学習率の結果は99.14%であり,認識率は97.58%であった。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： 物体認識 ,  検出法 ,  情報システム ,  コンピュータビジョン ,  学習 ,  畳込み ,  パターン認識 ,  野菜 ,  *ニューラルネットワーク ,  高速度
準シソーラス用語： 認識率 ,  学習過程 ,  深層学習 ,  局所特徴 ,  近代化 , 【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 (3件)： ディープニューラルネットワーク ,  植物 ,  カテゴリー