文献

J-GLOBAL ID：201702264907434523   整理番号：17A1400799

深い特徴と手作業の特徴の組合せに基づくロバストな車両分類【Powered by NICT】

Robust Vehicle Classification Based on the Combination of Deep Features and Handcrafted Features

著者 (4件)： Jiang Liying ,  Li Jiafeng ,  Zhuo Li ,  Zhu Ziqi
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Trustcom/BigDataSE/ICESS  ページ： 859-865  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： 車両分類は高度道路交通システムにおいて重要な役割を果たしている。最近,深層学習は画像分類における優れた性能を示した。しかし,深いネットワークの多くのパラメータは時間がかかり,最適化する必要がある。PCANet列車が容易な軽量深層学習ネットワークである。本論文では,新しいロバストな車両分類法を提案し,PCANetの深い特徴,H OG(有向勾配のヒストグラム)の手作り特徴とHUモーメントは抽出された車両の含有量特性を記述した。さらに,空間位置情報はその識別能力を改善するためのHUモーメントに導入した。複合特徴が分類モデルを訓練するためのSVM(サポートベクトルマシン)に入力される。車両は六カテゴリー,すなわち大型バス,乗用車,オートバイ,ミニバス,トラック及びバンに分類される。実験を行うために実監視ビデオから抽出した13700車両画像を含むVehicleDatasetを構築した。平均分類精度は98.34%であり,「特徴+分類器」に基づく従来法から得られたものより4.49%高いを達成でき,GoogLeNet(98.26%)からのそれよりもわずかに高かった。提案した方法は,GPUを必要とせずGoogLeNetよりもはるかに大きい利便性を持っていた。実験結果は,特定のタスクのための,軽量深層学習ネットワークと手作り特徴から得られた深い特徴の組合せは,より深いニューラルネットワークと比較して同等あるいはそれ以上の性能を達成できることを実証した。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： ニューラルネットワーク ,  オートバイ ,  ヒストグラム ,  *ロバスト性 ,  サポートベクトルマシン ,  ネットワーク ,  モーメント ,  最適化 ,  画像 ,  位置情報
準シソーラス用語： 分類精度 ,  分類モデル ,  画像分類 ,  深層学習 ,  *車種 , 【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 (4件)： 手作業 ,  組合せ ,  ロバスト ,  車両分類