抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】