文献

J-GLOBAL ID：201802225238241119   整理番号：18A1771097

深層学習と移動学習を用いた水中光学画像からの人工物体認識【JST・京大機械翻訳】

Man-Made Object Recognition from Underwater Optical Images Using Deep Learning and Transfer Learning

著者 (6件)： Yu Xian (Ministry of Education, Xiamen University, School of Information Science and Engineering, Key Laboratory of Underwater Acoustic Communication and Marine Information Technology, Xiamen, Fujian, China) ,  Xing Xiangrui (Ministry of Education, Xiamen University, School of Information Science and Engineering, Key Laboratory of Underwater Acoustic Communication and Marine Information Technology, Xiamen, Fujian, China) ,  Zheng Han (Ministry of Education, Xiamen University, School of Information Science and Engineering, Key Laboratory of Underwater Acoustic Communication and Marine Information Technology, Xiamen, Fujian, China) ,  Fu Xueyang (Ministry of Education, Xiamen University, School of Information Science and Engineering, Key Laboratory of Underwater Acoustic Communication and Marine Information Technology, Xiamen, Fujian, China) ,  Huang Yue (Ministry of Education, Xiamen University, School of Information Science and Engineering, Key Laboratory of Underwater Acoustic Communication and Marine Information Technology, Xiamen, Fujian, China) ,  Ding Xinghao (Ministry of Education, Xiamen University, School of Information Science and Engineering, Key Laboratory of Underwater Acoustic Communication and Marine Information Technology, Xiamen, Fujian, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 1852-1856  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： 水中光学センサの開発により,水中光学画像からの人工物体認識が広く注目されている。深い学習法は,自然画像から物体認識タスクにおいて印象的な性能を示した。しかし,そのようなモデルを訓練するための大規模なラベル付き水中光学画像を収集することは困難である。十分なラベル化された空中画像を得ることが可能であるという仮定に基づいて,提案した研究は,水中光学画像から人工物体のための新しい認識システムを開発するために,深い学習と移動学習の組合せを活用した。提案されたネットワークから抽出された特徴は,高い代表的な電力を持っていて,空気中と水中の両方の画像モダリティにおけるロバスト性を実証する。したがって,提案したフレームワークは,空中画像のみを用いて水中人工物体を認識する能力を持っている。シミュレーションデータに関する実験の結果は,提案方法が水中人工物体認識の作業において従来の深い学習方法より優れていることを実証した。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： シミュレーション ,  *学習 ,  電力 ,  ネットワーク ,  *画像 ,  *物体認識 ,  ロバスト性 ,  光センサ
準シソーラス用語： モダリティ ,  自然画像 ,  *人工物 ,  学習方法 ,  空中画像 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 深層学習 ,  学習 ,  水中光学 ,  人工 ,  物体認識