文献

J-GLOBAL ID：201702257905456904   整理番号：17A1257384

歩道に及ぼす環境認識のための深いアーキテクチャの最適化と評価【Powered by NICT】

Optimization and evaluation of deep architectures for ambient awareness on a sidewalk

著者 (2件)： Yeasin Mohammed (Department of Electrical and Computer Engineering, The University of Memphis, Memphis, Tennessee 38152) ,  Ahmed Faruk (Department of Electrical and Computer Engineering, The University of Memphis, Memphis, Tennessee 38152)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 2692-2697  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： Raspberry Pi3のような小形状因子デバイスを用いた歩道認識のための異なる深い学習アーキテクチャの性能を最適化し,比較した。著者らの主な目的は,歩道に障害物を正確に分類するために十分複雑であることを深い学習アーキテクチャを見出すことである。選択基準は,日変化の影響に対するパラメータ,低消費電力,およびロバスト性の最小数。特に,として応用のために構築されたデータベースにGoogleNet,ResNet,VGG16の性能を比較した。ASデータベース上での実験的評価を行うことによりResNetの性能は例えば,それぞれRGBとLa*b*に99.46%と97.69%他のアーキテクチャに比べて優れていることを示唆している。目的を促進するために,精度を失うことなく,より少ない数のパラメータを持つアーキテクチャを見出すためにResNetのハイパーパラメータを最適化した。さらに,精度と一般化可能性を犠牲にすることなく,日変化と電力使用に関連した問題を解決するために異なる色空間の有効性を調べた。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： 色空間 ,  選択基準 ,  データベース ,  *最適化 ,  日変化 ,  *歩道 ,  形状因子 ,  電力 ,  学習 ,  ロバスト性 ,  *計算機アーキテクチャ
準シソーラス用語： ハイパーパラメータ ,  低電力化 ,  *環境認識 , 【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)： 歩道 ,  環境認識 ,  アーキテクチャ ,  最適化 ,  評価