文献

J-GLOBAL ID：201702231336760108   整理番号：17A1569948

関節背景モデリングと深い学習分類を用いた高散乱カメラトラップ画像からの高速動物検出【Powered by NICT】

Fast human-animal detection from highly cluttered camera-trap images using joint background modeling and deep learning classification

著者 (4件)： Yousif Hayder (Department of Electrical and Computer Engineering, University of Missouri-Columbia) ,  Yuan Jianhe (Department of Electrical and Computer Engineering, University of Missouri-Columbia) ,  Kays Roland (Department of Forestry and Environmental Resources, North Carolina State University) ,  He Zhihai (Department of Electrical and Computer Engineering, University of Missouri-Columbia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISCAS  ページ： 1-4  発行年： 2017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： 本論文では,関節背景モデリングおよび深層学習分類を用いた高度に乱雑なカメラトラップ画像から動物検出のための迅速で正確な方法を開発するための深部学習分類と効果的な動的背景モデリングを結合した。具体的には,まず,前景物体の領域の提案を生成するための効果的な背景モデリングおよび減算方式を開発する。前景オブジェクト提案の数を減らすために対傾構画像パッチ検証を開発した。最後に,三カテゴリー:ヒト,動物,及び背景パッチへのこれらの領域の提案を分類するための高速深層学習分類方式を開発するために,深い畳込みニューラルネットワーク(DCNN)の複雑さ精度解析を行った。最適DCNNが高いレベルの精度を維持することができた14倍計算の複雑さを減少させた。著者らの実験結果は,提案した方法は,カメラトラップデータセット上で既存の方法より優れていることを実証した。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： *散乱 ,  ニューラルネットワーク ,  *動物 ,  減算 ,  *画像 ,  ヒト ,  深部 ,  *学習 ,  畳込み ,  *高速度 ,  計算量
準シソーラス用語： 複雑性 ,  前景 ,  深層学習 ,  *背景モデリング , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 関節 ,  背景モデリング ,  学習 ,  分類 ,  散乱 ,  カメラトラップ ,  動物