文献

J-GLOBAL ID：201802238634622122   整理番号：18A1102977

深さ学習のMPCANet火災画像認識モデル設計【JST・京大機械翻訳】

Design of MPCANet fire image recognition model for deep learning

著者 (5件)： Zhang Xiuling (燕山大学 河北省工業計算机控制工程重点実験室,河北 秦皇島066004;燕山大学 国家冷軋板帯装備及工芸工程技術研究中心,河北 秦皇島066004) ,  Hou Daibiao (燕山大学 河北省工業計算机控制工程重点実験室,河北 秦皇島,066004) ,  Zhang Chengcheng (燕山大学 河北省工業計算机控制工程重点実験室,河北 秦皇島,066004) ,  Zhou Kaixuan (燕山大学 河北省工業計算机控制工程重点実験室,河北 秦皇島,066004) ,  Wei Qijun (燕山大学 河北省工業計算机控制工程重点実験室,河北 秦皇島,066004)
資料名： Hongwai yu Jiguang Gongcheng  (Hongwai yu Jiguang Gongcheng)
巻： 47  号： 2  ページ： 40-45  発行年： 2018年 
JST資料番号： C2521A  ISSN： 1007-2276  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 火災発生時に、火災画像の背景が複雑であり、人工特徴の抽出過程が煩雑であり、火災画像に対する識別の汎化能力が弱く、精度が高くない、誤報や見逃しなどの問題が発生しやすい。テンソルオブジェクト特徴抽出の多重線形主成分分析(MultilinearPrincipalComponentAnalysis)を提案した。火災画像認識モデルをMPCANetによって確立して,次に,MPCAアルゴリズム学習フィルタを,深さ学習ネットワークの畳込み層畳込みカーネルとして使用して,テンソルオブジェクトの高次元画像を特徴抽出した。シミュレーション実験とその他の火災画像認識方法との比較により、提案した画像識別方法の識別精度は97.5%、誤報率は1.5%、見逃し率は1%に達した。実験結果は,この方法が火災画像認識の問題を効果的に解決できることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 主成分分析 ,  *画像 ,  線形性 ,  *学習 ,  シミュレーション ,  畳込み ,  高次元 ,  特徴抽出 ,  *火災 ,  ネットワーク ,  *画像認識 ,  フィルタ ,  *認知モデル ,  多重化
準シソーラス用語： 出火 , 【Automatic Indexing@JST】

著者キーワード (4件)： deep learning ,  MPCANet ,  tensor object analysis ,  fire image recognition

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 (5件)： 学習 ,  火災 ,  画像認識 ,  モデル ,  設計