文献

J-GLOBAL ID：201802238815706458   整理番号：18A1624519

再帰的畳込みニューラルネットワークによるロバスト歩行者検出【JST・京大機械翻訳】

Robust Pedestrian Detection via a Recursive Convolution Neural Network

著者 (3件)： Dinh Tran Thi (School of Electrical and Computer Engineering, Sungkyunkwan University, Suwon, Republic of Korea) ,  Vinh Nguyen Dinh (School of Electrical and Computer Engineering, Sungkyunkwan University, Suwon, Republic of Korea) ,  Wook Jeon Jae (School of Electrical and Computer Engineering, Sungkyunkwan University, Suwon, Republic of Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： SNPD  ページ： 281-286  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： 歩行者の検出は,画像内に物体を局所化することを必要とするコンピュータビジョンの基本的な課題である。畳込みニューラルネットワークはオブジェクト認識に広く使われている。しかし,ネットワークに対する入力としてスライディングウィンドウを用いた順序畳込み法は,全画像を実行するための時間を必要とし,固定サイズ窓画像のみを扱うことができる。オブジェクト領域を得るための元の走査法の代わりに,V視差法に基づく領域提案を用いて展望領域を得ることを提案した。V視差からの領域提案は畳込みニューラルネットワーク(CNN)の入力として与えられる。また,より効果的なタスクオブジェクト検出のためにCNNを拡張した。著者らのモデルでは,CNNを再帰的ニューラルネットワークと組み合わせて,特徴を学習し,カラー画像を分類した。畳込みニューラルネットワーク層は入力画像の低レベル特徴を学習する。CNNを用いることにより,学習された特徴は入力画像における高度に可変なオブジェクトを表現することができる。畳込み層の後の学習された特徴は,高次特徴を構成するために再帰的ニューラルネットワーク(RNN)への入力として与えられる。RNNは,コンボリューションを結合して,1つの効率的階層的操作にプールすることができる,複数の固定ツリー再帰的である。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： 物体認識 ,  *畳込み ,  画像 ,  走査 ,  *ニューラルネットワーク ,  コンピュータビジョン ,  *歩行者 ,  視差 ,  *ロバスト性 ,  *ネットワーク ,  カラー画像
準シソーラス用語： 物体検出 ,  スライディングウィンドウ ,  *歩行者検出 ,  *畳込みニューラルネットワーク , 【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 (3件)： 畳込みニューラルネットワーク ,  ロバスト ,  歩行者検出