文献

J-GLOBAL ID：201702253856960019   整理番号：17A0832678

ロボット応用における視覚ベース物体検出のための効率的な深いネットワーク【Powered by NICT】

Efficient deep network for vision-based object detection in robotic applications

著者 (4件)： Lu Keyu (College of Mechatronic Engineering and Automation, National University of Defense Technology, Changsha 410073, Hunan, China) ,  An Xiangjing (College of Mechatronic Engineering and Automation, National University of Defense Technology, Changsha 410073, Hunan, China) ,  Li Jian (College of Mechatronic Engineering and Automation, National University of Defense Technology, Changsha 410073, Hunan, China) ,  He Hangen (College of Mechatronic Engineering and Automation, National University of Defense Technology, Changsha 410073, Hunan, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 245  ページ： 31-45  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 視覚ベース物体検出は多数ロボット応用のために必須である。しかし,このようなアプリケーションを運転することが要求される環境の多様性のために,挑戦的な仕事,実行時間,電力および空間の点で多くのロボットシステムに適用される厳格な制約である。ロボット応用のこれらの特別な要求を満たすために,筆者らは,視覚ベース物体検出のための効率的な深ネットワークを提案した。より具体的には,ロボット搭載カメラにより獲得された与えられた画像に対して,まず可能性のある物体境界ボックスを効率的に発生させる新しい提案層を導入した。提案層は効率的なオンライン畳込みと効果的なオフライン最適化から構成されている。その後,複数個体群遺伝的アルゴリズムに基づく畳込みニューラルネットワーク(MPGAベースCNN)モジュールとTLDベースマルチフレーム融合法を含むロバスト検出層を構築した。最も深い学習に基づくアプローチ,GPUに依存するとは異なり,このシステムにおけるオンラインプロセスの全てがGPU支援なしに効率的に実行することができた。提案オブジェクト検出アプローチの各成分を検証し,広く使用されているデータセット上でいくつかの最近発表された最先端技術のオブジェクト検出アルゴリズムによるアプローチを比較するためにいくつかの実験を行った。実験結果は,提案したネットワークは,オブジェクト検出タスクにおける高効率とロバスト性を示すことを実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *ネットワーク ,  *ロボット ,  ロバスト性 ,  畳込み ,  応用プログラム ,  コンピュータビジョン ,  カメラ ,  *視覚 ,  遺伝的アルゴリズム ,  画像 ,  最適化 ,  ニューラルネットワーク
準シソーラス用語： オンライン ,  実行時間 ,  *物体検出 , 【Automatic Indexing@JST】

著者キーワード (5件)： ディープネットワーク ,  物体検出 ,  コンピュータビジョン ,  ロボット応用 ,  MPGA

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  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)： ロボット ,  応用 ,  視覚 ,  物体検出