文献

J-GLOBAL ID：201702274288074389   整理番号：17A0456788

極端学習マシンに基づく交通標識認識のための効率的な方法【Powered by NICT】

An Efficient Method for Traffic Sign Recognition Based on Extreme Learning Machine

著者 (4件)： Huang Zhiyong (College of Mathematics and Computer Science, Fuzhou University, Fuzhou, China) ,  Yu Yuanlong (College of Mathematics and Computer Science, Fuzhou University, Fuzhou, China) ,  Gu Jason (Department of Electrical and Computer Engineering, Dalhousie University, Halifax, NS, Canada) ,  Liu Huaping (Department of Computer Science and Technology, Tsinghua University, Beijing, China)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 47  号： 4  ページ： 920-933  発行年： 2017年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  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： 交通標識認識(TSR)のための計算効率のよい方法を提案した。この提案した方法は二つのモジュールから構成されている1)配向勾配変異体(HOGv)特徴のヒストグラムの抽出と2)極端学習機械(ELM)アルゴリズムにより訓練された単一分類器。HOGv特徴は,特徴的な形状を適切に表す事ができるこのような冗長性および局所詳細の間の良好なバランスを維持した。分類器は,単一隠れ層フィードフォワードネットワークである。ELMアルゴリズムに基づいて,入力と隠れ層の間の連結は,ランダム特徴マッピングを実現する隠れ層と出力層間の重みを訓練した。その結果,layer-by-layer調整を必要としない。一方,出力重みのノルムは,費用関数に含まれている。,ELMベース分類器を多クラスTSRの最適と一般化された解を得ることができる。さらに,認識精度と計算コストを釣合わせることができる。三データセット,ドイツTSRベンチマークデータセット,ベルギー道路標識分類データセットと修正マッピングと交通インフラストラクチャ(MASTIF改訂)データセットの状態の評価を含む,この提案した方法を評価した。実験結果は,この提案した方法はこれらの三データセットにおける高い認識精度だけでなく両トレーニングと認識過程における非常に高い計算効率が得られることを示した。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： ノルム ,  ヒストグラム ,  ドイツ連邦共和国 ,  冗長性 ,  *学習 ,  費用関数 ,  アルゴリズム ,  *交通標識 ,  道路標識
準シソーラス用語： 計算コスト ,  認識精度 ,  フィードフォワードニューラルネットワーク ,  隠れ層 ,  極度学習機械 ,  計算効率 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 学習 ,  マシン ,  交通標識