文献

J-GLOBAL ID：201702254938775402   整理番号：17A1644970

深い畳込みニューラルネットワークを用いた無人機検出に関する研究【Powered by NICT】

A study on detecting drones using deep convolutional neural networks

著者 (4件)： Saqib Muhammad (University of Technology Sydney, Broadway, Ultimo, NSW 2007, Australia) ,  Daud Khan Sultan (Makkah Technology Valley, Kingdom of Saudi Arabia) ,  Sharma Nabin (University of Technology Sydney, Broadway, Ultimo, NSW 2007, Australia) ,  Blumenstein Michael (University of Technology Sydney, Broadway, Ultimo, NSW 2007, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： AVSS  ページ： 1-5  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： 物体検出は様々な潜在的現実の世界に応用して,コンピュータビジョンにおいて挑戦的な問題である。本研究の目的は,雄バチを検出するための深い学習に基づく物体検出手法を評価することである。本論文では,すなわちZeilerとFergus(ZF),ビジュアル幾何学グループ(VGG16)など異なる畳込みニューラルネットワーク(CNN)に基づくネットワークアーキテクチャを用いた実験を行った。訓練のための入手可能なデータのために,ネットワークは移動学習を用いた事前モデルで訓練される。訓練されたモデルのスナップショットは,訓練中の規則的な間隔で節約される。各ネットワークアーキテクチャのための高い中間的平均適合率(mAP)を有する最良のモデルは,テストデータセットの評価に使用されている。実験結果では,”速く”R CNNによるVGG16は訓練データセット上で他のアーキテクチャよりも良好に機能することを示した。試験データセットの視覚的解析も提示した。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： *ネットワーク ,  計算機アーキテクチャ ,  *ニューラルネットワーク ,  *畳込み ,  幾何学 ,  *無人機 ,  ネットワークアーキテクチャ ,  学習 ,  コンピュータビジョン ,  視覚
準シソーラス用語： 試験データ ,  訓練データ ,  適合率 ,  スナップショット ,  物体検出 , 【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 (3件)： 畳込みニューラルネットワーク ,  無人機 ,  研究