文献

J-GLOBAL ID：201802225582797959   整理番号：18A0160541

細粒車両分類のための縦続接続部品に基づくシステム【Powered by NICT】

A Cascaded Part-Based System for Fine-Grained Vehicle Classification

著者 (3件)： Biglari Mohsen (Department of Computer Engineering and IT, Shahrood University of Technology, Semnan, Iran) ,  Soleimani Ali (Department of Computer Engineering and IT, Shahrood University of Technology, Semnan, Iran) ,  Hassanpour Hamid (Department of Computer Engineering and IT, Shahrood University of Technology, Semnan, Iran)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 19  号： 1  ページ： 273-283  発行年： 2018年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  資料種別： 逐次刊行物 (A)
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： 車両作りとモデル認識(VMMR)は高度道路交通システムの重要な部分になっている。ナンバープレート認識できない場合にVMMRは有用である可能性があるまたは偽のナンバープレートを用いた。VMMRは硬質,微細結晶粒分類問題であり,クラス,内部クラス,小クラス間距離の大きな数に起因していた。VMMRの本論文で提案されている新しいカスケード部品ベースシステム。このシステムは,各車種別の識別部品を自動的に見つけるために潜在サポートベクトルマシン定式化を用いた。同時に,各カテゴリーのための部品ベースモデルを学習する。著者らの方法は,新しい訓練手順,新しいどん欲部分局在化および実用的な多クラスデータマイニングアルゴリズムを採用している。システム処理時間を高速化するために,新しいカスケードスキームを提案した。このカスケーディングスキームは逐次的に入力画像を,提案した二つの基準に基づいて適用した:信頼と頻度。カスケードシステムは,非カスケードシステムと比較して類似の精度で最大80%高速に実行できる。データセットとCompCarsデータセット上での包括的実験により,提案アプローチの優れた性能を示した。提案されたアプローチは,挑戦的なデータ集合上で97.01%の平均精度とCompCarsデータセットに95.55%の平均精度を達成した。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 ,  硬質 ,  加工時間 ,  高速化 ,  定式化 ,  *縦続接続 ,  サポートベクトルマシン
準シソーラス用語： 局在化 ,  ナンバープレート , 【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)： 細粒 ,  車両分類 ,  縦続接続