文献

J-GLOBAL ID：201802244066339927   整理番号：18A2157362

改良型深層畳込みニューラルネットワークに基づく植物葉認識の方法【JST・京大機械翻訳】

Method of plant leaf recognition based on improved deep convolutional neural network

著者 (6件)： Zhu Xiaolong (College of Information and Computer Engineering, Northeast Forestry University, Harbin, Heilongjiang 150040, China) ,  Zhu Xiaolong (Forestry Intelligent Equipment Engineering Research Center, Harbin, Heilongjiang 150040, China) ,  Zhu Meng (College of Information and Computer Engineering, Northeast Forestry University, Harbin, Heilongjiang 150040, China) ,  Zhu Meng (Forestry Intelligent Equipment Engineering Research Center, Harbin, Heilongjiang 150040, China) ,  Ren Honge (College of Information and Computer Engineering, Northeast Forestry University, Harbin, Heilongjiang 150040, China) ,  Ren Honge (Forestry Intelligent Equipment Engineering Research Center, Harbin, Heilongjiang 150040, China)
資料名： Cognitive Systems Research  (Cognitive Systems Research)
巻： 52  ページ： 223-233  発行年： 2018年 
JST資料番号： W2363A  ISSN： 1389-0417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 植物種の同定は主に植物葉特性の認識に依存する。しかし,ほとんどの認識システムは,複雑な背景における植物の葉のような小さな物体の検出に対して,弱い性能を示す。複雑な環境における植物葉の認識能力を向上させるために,本論文は,領域提案ネットワーク(RPN)にマルチスケール画像特徴を提供する高速領域畳込みニューラルネットワーク(Faser RCNN)における畳込みニューラル層の代わりにバッチ正規化(BN)を有する改良深畳込みニューラルネットワークを提案した。さらに,オリジナル画像を最初に数値的順序に従って指定されたサイズに切断して,セグメント化画像を連続的に提案したネットワークに負荷した。ソフトマックスと境界ボックス回帰器を通しての正確な分類の後に,同定ラベルを有するセグメント化画像を最終出力画像として一緒に接続した。実験結果は,提案した方式が,複雑な背景における葉種を認識することにおいて,Faster RCNNより高い認識精度を持つことを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ロット ,  画像特性 ,  *深層 ,  セグメンテーション ,  高速度 ,  *畳込み ,  画像 ,  *ネットワーク ,  正規化
準シソーラス用語： 深層学習 ,  認識精度 ,  マルチスケール ,  植物種 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  畳み込みニューラルネットワーク ,  葉の認識 ,  複雑な背景

分類 (1件)： 応用心理学  (AE02000A)

タイトルに関連する用語 (2件)： 深層畳込みニューラルネットワーク ,  植物葉