抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
は9000以上のオブジェクトカテゴリーを検出できるYOLO9000,最新技術,実時間物体検出システムを提案した。YOLO検出法に種々の改良を提案し,新規と以前の研究から引き出された。YOLOv2,改良モデルはPASCAL VOCとCOCOのような標準的な検出タスクに対する最新技術である。新しいマルチスケール訓練法を用いた同じYOLOv2モデルは様々なサイズ,速度と精度間の容易なトレードオフを提供することで実行できる。67FPSでは,YOLOv2はVOC2007 76.8mAPを得た。40FPSでは,YOLOv2は78.6mAPを,ResNetとSSDを用いた高速RCNNのような最新の方法を上回る有意に速く走る。最後に,物体検出と分類に関する訓練併用する方法を提案した。この方法を用いて,COCO検出データセットとImageNet分類データセット上でYOLO9000同時にを訓練した。合同訓練は標識検出データを持つDontオブジェクトクラスの検出を予測するYOLO9000可能にした。ImageNet検出タスク上で提案アプローチを検証した。200クラスの44の検出データを有するのみにもかかわらずYOLO9000はImageNet検出検証セット19.7mAPを得た。COCOではなく156種類について,YOLO9000は16.0mAPを得た。YOLO9000は9000以上の異なるオブジェクトカテゴリーの検出を予測し,全てのリアルタイム。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
