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。
本研究では,人間検出のための信頼できる機械学習ベース数値解法を提案した。提案したモデルは,ビッグデータビデオフレームにおける照明変異体自然情景に適用できる特異的である。照明変動問題を解決するために,新しい特徴セットを傾斜(HoG)と線形位相量子化(LPQ)技術のヒストグラムを用いた特徴,照明変異体自然情景の特徴を記述する単一特徴集合を形成することを抽出することにより形成される。前処理は,探索空間を低減し,結果を改善するために適用し,ヒトは,架構に一定運動であるとして,探索空間の枝刈りアルゴリズムは,探索空間を低減し,検出精度を改善するために適用した。非最大抑制も性能改善のための適用した。サポートベクトルマシン(SVM)ベース分類器を高速で正確な検出に使用されている。現在の最先端の検出器の大部分は偽,見逃されてきた,不正確な検出を含む多くの問題に直面している。提案した検出器モデルは良好な性能,関連UCFとCDW試験データセットを用いて検証したを示した。最新の検出器を用いた提案した方法論の性能を比較するために,いくつかの選択された検出フレームは,受信者動作特性(ROC)曲線を考慮して選んだ。これらの曲線はミス率と真陽性率に基づいて結果を比較し,評価するためにプロットした。結果は,提案したモデルが最良の結果を達成することを示す。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】