文献

J-GLOBAL ID：201702284704191470   整理番号：17A1353637

鳥類検出のための飛行パターンに基づく状態空間学習【Powered by NICT】

Learning the state space based on flying pattern for bird detection

著者 (4件)： Shuman Tian (Beijing Laboratory for General Aviation Technology, School of Electronic and Information Engineering, Beihang University, 100191, China) ,  Cao Xianbin (Beijing Laboratory for General Aviation Technology, School of Electronic and Information Engineering, Beihang University, 100191, China) ,  Baochang Zhang (Beijing Laboratory for General Aviation Technology, School of Electronic and Information Engineering, Beihang University, 100191, China) ,  Yuxin Ding (Beijing Laboratory for General Aviation Technology, School of Electronic and Information Engineering, Beihang University, 100191, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICNS  ページ： 5B3-1-5B3-9  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： 低高度空域の開放により,飛ぶ鳥検出は,最近鳥衝突を避けるためにコンピュータビジョンにおいてますます注目を集めている。しかし,従来の物体検出タスクと比較して,小型ターゲットの存在,大きな変動と背景の複雑さと鳥類様物体の擾乱による空中ビデオにおける飛んでいる鳥を検出するための非常に挑戦的である。鳥の飛行周期性の直感が動機となって,著者らは,飛行パターンクラスタリング(FPC)と呼ばれる,これはAPクラスタリングアルゴリズムによる重要な姿勢を学習する新しいフレームワークにおける飛ぶ鳥検出問題を解くための新しい方法を提案し,次に重要な姿勢の規則的遷移を記述するために確立されているMarkovモデル。もう一つの利点として,強力な高速R CNNモデルを用いて,各フレームにおける境界ボックス,飛ぶ鳥検出性能を大幅に改善できるを得ることである。実験は,FPCは高い検出精度を達成し,最先端の検出法より優れていることを実証した。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： 高速度 ,  *コンピュータビジョン ,  モデル ,  録画装置 ,  検出法
準シソーラス用語： 最先端 ,  検出精度 ,  検出能 ,  Markovモデル ,  クラスタリングアルゴリズム ,  パターンクラスタリング ,  周期性 ,  物体検出 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 鳥類 ,  飛行 ,  状態空間 ,  学習