文献

J-GLOBAL ID：201802225533292489   整理番号：18A0537521

深部領域ベース畳込みネットワークを用いたグラフィックロゴ検出【Powered by NICT】

Graphic logo detection with deep region-based convolutional networks

著者 (4件)： Li Yuanyuan (School of Communication and Information Engineering, Beijing University of Posts and Telecommunications, Beijing, China) ,  Shi Qiuyue (School of Communication and Information Engineering, Beijing University of Posts and Telecommunications, Beijing, China) ,  Deng Jiangfan (School of Communication and Information Engineering, Beijing University of Posts and Telecommunications, Beijing, China) ,  Su Fei (School of Communication and Information Engineering, Beijing University of Posts and Telecommunications, Beijing, China)
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： ロゴ検出は,我々の日常生活と知的所有権保護の多くの実際的な応用にとって困難な仕事である。ここで二つの主要な障害は,公共ロゴデータセットの欠如とロゴ検出構造の効果的な設計である。本論文では,まず手動で取得して注釈付けした6,400画像とFlickrLogo32データセットを混合,大きなデータセットを形成した。第二に,ロゴ検出のためのいくつかの広く使用されている分類モデルを用いた高速R CNNフレームワークを構築した。さらに,転移学習手法は訓練プロセス中に導入した。最後に,クラスタリングはRPNの適切なハイパーパラメータ,より正確なアンカーを保証するために使用した。実験結果は,提案したフレームワークは,顕著な余裕をもつ状態何か法より優れていることを示した。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： 高速度 ,  *ネットワーク ,  知的財産権 ,  画像 ,  深部 ,  クラスタ化 ,  *畳込み
準シソーラス用語： ハイパーパラメータ ,  転移学習 ,  分類モデル ,  日常生活 ,  *LOGO , 【Automatic Indexing@JST】

分類 (2件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 深部 ,  畳込み ,  グラフィック ,  ロゴ