文献

J-GLOBAL ID：201802222778788485   整理番号：18A1045238

群衆計数のための豊富な畳込み特徴融合【JST・京大機械翻訳】

Rich Convolutional Features Fusion for Crowd Counting

著者 (4件)： Fan Chaochao ,  Tang Jun ,  Wang Nian ,  Liang Dong
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： FG  ページ： 394-398  発行年： 2018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： 群衆計数は,厳しいオクルージョン,視点歪およびターゲットシーンにおけるスケール変動のようないくつかの問題の存在により,挑戦的なビジョンタスクのままである。正確でロバストな群衆計数推定器を設計する方法は,過去数十年に集中的な研究関心を引き付けてきた。豊富な特徴表現を学習することは群衆計算にとって重要であることはよく知られている。しかしながら,既存のニューラルネットワークベースの方法は,最後の畳込み層から抽出されたCNN特徴のみを採用し,CNN特徴に含まれる有用な階層的情報を見過ごす。この問題を扱うために,著者らは,完全畳込みネットワークに基づくCNNアーキテクチャを提案する。それは,意味のある畳込み特徴のいくつかを結合することにより,エンドツーエンド密度マップ推定システムを構築するために使用される。このような組合せは,複雑なシーンにおけるマルチスケールとマルチレベル情報の両方を効果的に捉えるために利用される。ShanhaiTechパートA,ShanhaiTechパートBおよびUCF CC50を含む多くの既存の群衆計数に関する広範な実験は,著者らのアプローチの有効性および信頼性を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  オクルージョン ,  ロバスト性 ,  計算機アーキテクチャ ,  エンドツーエンド方式 ,  信頼性 ,  *畳込み ,  PERT
準シソーラス用語： マルチレベル ,  マルチスケール ,  特徴表現 ,  特徴融合 , 【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 (3件)： 計数 ,  畳込み ,  特徴融合