文献

J-GLOBAL ID：201802212740532626   整理番号：18A0537482

オブジェクト検出のためのカスケード型畳込みニューラルネットワーク【Powered by NICT】

Cascaded convolutional neural networks for object detection

著者 (4件)： Guo Yajing (Beijing University of Posts and Telecommunications, Beijing, China, 100876) ,  Guo Xiaoqiang (Academy of Broadcasting Science, Beijing, China, 100866) ,  Jiang Zhuqing (Beijing University of Posts and Telecommunications, Beijing, China, 100876) ,  Zhou Yun (Academy of Broadcasting Science, Beijing, China, 100866)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： VCIP  ページ： 1-4  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： 物体検出における最近の進歩は,物体の位置を予測するために領域提案アルゴリズムやネットワークに依存する。地域提案ベース物体検出のパイプラインは二つのカスケードサブタスクに分解できる1)入力画像から提案生成,2)様々なオブジェクトカテゴリーへの提案分類。本論文では,それぞれ二サブタスクのための改良を加える,ことをカスケード畳込みニューラルネットワークを提案した。地域提案生成段階のために,提案は,よりコンパクトでより良い位置に元の領域提案ネットワーク(RPN)後RefineNetを追加した。分類段階では,特徴表現はクラス内分散を捕捉するネットワークへの各オブジェクトクラスの二値分類器を統合した。PASCAL VOCデータセット上での実験を行い,提案アプローチが,最先端のオブジェクト検出器に比べてかなりの改善を達成できることを示した。Copyright 2018 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： アルゴリズム ,  *ネットワーク
準シソーラス用語： 最先端 ,  二値分類 ,  オブジェクトクラス ,  特徴表現 ,  *物体検出 , 【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 (3件)： オブジェクト検出 ,  カスケード ,  畳込みニューラルネットワーク