文献

J-GLOBAL ID：201802215404735611   整理番号：18A1538688

改良畳込みニューラルネットワークの歩行者検出への応用【JST・京大機械翻訳】

Application of Preprocessing Convolutional Neural Network in Pedestrian Detection

著者 (4件)： Xie Linjiang (中南大学 信息科学与工程学院,長沙,410083) ,  Ji Guishu (中南大学 信息科学与工程学院,長沙,410083) ,  Peng Qing (中南大学 信息科学与工程学院,長沙,410083) ,  Luo Entao (中南大学 信息科学与工程学院,長沙,410083)
資料名： Jisuanji Kexue Yutansuo  (Jisuanji Kexue Yutansuo)
巻： 12  号： 5  ページ： 708-718  発行年： 2018年 
JST資料番号： C2939A  ISSN： 1673-9418  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 現在の歩行者検出法の計算量が大きく,歩行者の特徴抽出が複雑であり,検出結果が複雑な背景の影響を受けやすい。改良畳込みニューラルネットワーク(CNN)モデルを提案した。このモデルは従来のCNNに選択的注意層を加え、人間の眼の選択的注意機能を模擬し、複雑な背景を濾過し、歩行者の特徴を強調する。LBP(localbinarypattern)テクスチャ処理と勾配処理を採用して、選択的注意層に対して訓練を行い、訓練結果と比較し、最適なモデルを得た。INRIA,NICTAとDaimlerのデータセットに関する実験結果は,このモデルが歩行者検出において従来のCNN,HOG+SVMより良い精度を有することを示した。Haar+SVM,PCA+SVM,INRIA,NICTA,Daimlerのデータセットの精度はそれぞれ96.14%,96.64%,99であった。78%。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 特徴抽出 ,  テクスチャ処理 ,  *歩行者 ,  計算量
準シソーラス用語： 選択的注意 ,  *歩行者検出 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： pedestrian detection ,  deep learning ,  convolutional neural network ,  selective attention

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  計算機シミュレーション  (JE11000H) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  歩行者検出 ,  応用