文献

J-GLOBAL ID：201702249860372312   整理番号：17A0964201

高速R CNN領域提案ネットワークを用いた実時間物体検出に向けて【Powered by NICT】

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

著者 (4件)： Ren Shaoqing (University of Science and Technology of China, Hefei, Anhui, China) ,  He Kaiming (Visual Computing Group, Microsoft Research, Beijing, China) ,  Girshick Ross (Facebook AI Research, Seattle, WA 98109) ,  Sun Jian (Visual Computing Group, Microsoft Research, Beijing, China)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 39  号： 6  ページ： 1137-1149  発行年： 2017年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  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： 最先端のオブジェクト検出ネットワークは,物体の位置を仮定する領域提案アルゴリズムに依存する。SPPnet[1]と高速R CNN[2]のような進歩はこれらの検出ネットワークの実行時間,ボトルネック地域提案計算を曝露を減少させた。本研究では,検出ネットワークを用いた完全画像畳込み特徴を共有し,ほぼ無料領域提案を可能にすることを領域提案ネットワーク(RPN)を導入した。RPNは各位置で物体限界と目的性スコアを同時に予測する完全畳込みネットワークである。RPNは高品質領域提案,検出のための高速R CNNにより用いられるを生成するためにエンドツーエンド訓練した。見ること,さらにそれらの畳込み特徴を共有する「注意」機構を持つ神経回路網の最近一般的な用語を用いてRPNと高速R CNNを単一ネットワークに,RPN成分は統合ネットワークを語った。非常に深いVGG16モデル[3]に対して,我々の検出システムはGPU上での5fps(全ての段階を含む)のフレーム速度を持ち,1画像あたり300のみの提案とPASCAL VOC2007%,2012%,MS COCOデータセット上で最先端技術のオブジェクト検出精度を達成した。ILSVRCとCOCO2015競争では,より高速なR CNNとRPNはいくつかのトラックにおける1st場所受賞出品の基礎である。コードは,公的に利用できる。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： 画像 ,  *高速度 ,  コンピュータビジョン ,  エンドツーエンド方式 ,  畳込み ,  *ネットワーク ,  神経回路網 ,  アルゴリズム ,  PASCAL ,  統合通信網
準シソーラス用語： フレームレート ,  高品質 ,  実行時間 ,  最先端 ,  *物体検出 ,  *実時間 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (4件)： CNN ,  領域提案ネットワーク ,  実時間 ,  物体検出