文献

J-GLOBAL ID：201802231642696839   整理番号：18A0161181

車両分類のための視覚的注意を用いた深部強化学習【Powered by NICT】

Deep Reinforcement Learning With Visual Attention for Vehicle Classification

著者 (3件)： Zhao Dongbin (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Chen Yaran (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Lv Le (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Transactions on Cognitive and Developmental Systems  (IEEE Transactions on Cognitive and Developmental Systems)
巻： 9  号： 4  ページ： 356-367  発行年： 2017年 
JST資料番号： W2443A  ISSN： 2379-8920  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： 自動車両分類は高度道路交通システム(ITS),特に警察による車両追跡のためのに重要である。複雑な照明及び画像捕捉条件のために,実世界環境における画像に基づく車両分類はまだ挑戦的作業であると性能は満足されていない。しかし,視覚的注意の機構のために,人間の視覚システムは,コンピュータビジョンシステムと比較して顕著な能力を示し,特に際立ったニュアンス処理。この機構によりヒントを得て,ここでは,画像分類のための視覚的注意の畳込みニューラルネットワーク(CNN)モデルを提案した。視覚注意に基づく画像処理モジュールは,画像の一部を強調し,他を弱めるために用いる,集束画像を生成した。集束画像を分類するCNNに入力される。分類確率分布によると,画像の重要な部分を選択するための画像分類のためのより良い政策を実現するための強化学習エージェントをガイドするための情報エントロピーを計算した。正面における監視カメラによりキャプチャされた画像を含む監視性質データセットの系統的実験は,提案したモデルは車両分類タスクにおける大規模CNNよりも競争力があることを実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： モデル ,  画像処理 ,  捕獲 ,  確率分布 ,  集束 ,  *強化学習 ,  画像
準シソーラス用語： 監視カメラ ,  情報エントロピー ,  学習エージェント ,  畳込みニューラルネットワーク ,  画像分類 ,  視覚システム ,  *視覚的注意 ,  *車種 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 車両分類 ,  視覚的注意 ,  深部 ,  強化学習