文献

J-GLOBAL ID：201802244721644374   整理番号：18A1907840

深い畳込みニューラルネットワークを用いた複数スケールにおける人物頭部検出【JST・京大機械翻訳】

Person Head Detection in Multiple Scales Using Deep Convolutional Neural Networks

著者 (4件)： Saqib Muhammad (Centre for Artificial Intelligence, School of Software, FEIT, University of Technology Sydney, Australia) ,  Khan Sultan Daud (University of Hail, Saudi Arabia) ,  Sharma Nabin (Centre for Artificial Intelligence, School of Software, FEIT, University of Technology Sydney, Australia) ,  Blumenstein Michael (Centre for Artificial Intelligence, School of Software, FEIT, University of Technology Sydney, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IJCNN  ページ： 1-7  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： 人物検出は,多くの実世界アプリケーションを有するコンピュータビジョンにおける重要な問題である。人の検出は,姿勢,オクルージョンおよび照明条件の変化により,依然として困難な課題である。本研究の目的は,Hollywood 映画の公的に利用可能なデータセットから得られた自然シーンにおける人間の頭部を検出することである。本研究では,深い畳込みニューラルネットワークに基づく最先端のオブジェクト検出器を用いた。これらのオブジェクト検出器は,検出のための領域提案を用いた領域ベース畳込みニューラルネットワークを含んでいる。また,単一ショットで物体を検出する物体検出器は,検出のために一度だけ画像を見ることによって検出される。大量のデータで既に訓練されたネットワークを微調整するために,転送学習を用いた。微調整プロセスの間に,高平均精度(mAP)を有するモデルを試験データセットの評価のために用いた。実験結果は,VGG16[21]によるFastR-CNN[18]とSSDマルチボックス[13]がYolo[17]より良く機能し,いくつかのベースラインアプローチに対して有意な改善を示すことを示した。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： 粒状材 ,  画像 ,  応用プログラム ,  照明条件 ,  基準線 ,  コンピュータビジョン ,  学習 ,  *ネットワーク ,  オクルージョン
準シソーラス用語： 試験データ ,  微調整 ,  物体検出 ,  最先端 ,  人物検出 ,  *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 (4件)： 畳込みニューラルネットワーク ,  スケール ,  人物 ,  頭部