文献

J-GLOBAL ID：201302246446479958   整理番号：13A1665570

相互トレーニング方法に基づく強力な車両検出アルゴリズム

Robust Vehicle Detection Algorithm Based on Co-training Method

著者 (4件)： Chen Yangzhou (Coll. of Electronic Information and Control Engineering,Beijing Univ. of Technol., Beijing) ,  Liu Xing (Coll. of Electronic Information and Control Engineering,Beijing Univ. of Technol., Beijing) ,  Xin Le (Coll. of Electronic Information and Control Engineering,Beijing Univ. of Technol., Beijing) ,  Yang Deliang (Coll. of Electronic Information and Control Engineering,Beijing Univ. of Technol., Beijing)
資料名： Beijing Gongye Daxue Xuebao  (Beijing Gongye Daxue Xuebao)
巻： 39  号： 3  ページ： 394-401  発行年： 2013年 
JST資料番号： C2401A  ISSN： 0254-0037  CODEN： BGDXD6  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 複合体輸送周囲の状況における既存の車両検出アルゴリズムの適応性を改良するために,半教師つき学習方法からの相互トレーニングに基づく強力な検出アルゴリズムを提案した。最初に,少数の人間的標識化サンプルによって,二つ分類装置を訓練した。それらの両方とも若干の認識能力を持つように,それは個々に,Haar-同類機能に基づくAdaBoostおよび,HOG(指向勾配の棒グラフ)機能に基づくSVM(サポートベクトル装置)であった。第2に,半教師つき学習フレームワークからの相互トレーニングに基づいて,二つからアルゴリズムを得る新しいサンプルは,トレーニングの数値が試す増加に相互の試料セットに加えて,トレインを繰り返した。これらの二つ特徴が持った過剰のために,見つけた陰陽サンプルは,外に失ったか,互いに不正に見つけたイメージを含んだ。サンプルの増加の数値のため,分類装置が正確に車両を見つけることができるように,新しい再トレーニング分類装置のロバスト性を大いに改良した。その上,人工的に記録する要求がなかった。しかし,アルゴリズムによってラベルのないサンプルを類別して記録した。その結果,それは車両検出アルゴリズムの適応性を高く改良することができた。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *コンピュータビジョン ,  *検出 ,  *アルゴリズム ,  学習アルゴリズム ,  学習 ,  ロバスト性 ,  棒グラフ ,  適応訓練
準シソーラス用語： AdaBoost ,  *検出アルゴリズム ,  *車両検出 ,  半教師つき学習 ,  トレーニング

分類 (1件)： 計算理論  (JB02000A)

タイトルに関連する用語 (3件)： トレーニング ,  車両検出 ,  アルゴリズム