文献

J-GLOBAL ID：201702231994662434   整理番号：17A1773309

ロバストな歩行者検出のためのクロスモーダル深部表現の学習【Powered by NICT】

Learning Cross-Modal Deep Representations for Robust Pedestrian Detection

著者 (5件)： Xu Dan ,  Ouyang Wanli ,  Ricci Elisa ,  Wang Xiaogang ,  Sebe Nicu
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 4236-4244  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： は有害な照明条件の下での歩行者を検出するための新しい手法を提案した。提案アプローチでは,新しいクロスモダリティ学習フレームワークに依存し,それは二つの主相に基づいている。最初に,マルチモーダルデータセット,深い畳込みネットワークを用いて非線形マッピングを学習し,RGBと熱データ間の関係をモデル化することである。学んだ特徴表現は第二深いネットワーク,RGB画像を入力として受け取り,検出結果を出力するに変換した。このようにして,悪い照明条件に識別的でロバストな特徴が学習される。重要なことに,試験時間で,第二のパイプラインだけを考慮し,熱データを必要としない。広範な評価は,提案した方式は困難なKAISTマルチスペクトル歩行者データセット上で最先端技術レベルの性能的に優れており,一般的なCaltechデータセットに関する以前の手法と比肩可能であることを示した。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： 畳込み ,  *学習 ,  *深部 ,  照明条件 ,  ネットワーク ,  モデリング ,  *ロバスト性 ,  *歩行者 ,  画像
準シソーラス用語： 最先端技術 ,  多重スペクトル ,  特徴表現 ,  非線形マッピング ,  *歩行者検出 , 【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 (5件)： ロバスト ,  歩行者検出 ,  深部 ,  表現 ,  学習