文献

J-GLOBAL ID：201802245409595188   整理番号：18A0846597

交通場面におけるyolに基づく物体検出システム【JST・京大機械翻訳】

An object detection system based on YOLO in traffic scene

著者 (5件)： Tao Jing (State Key Lab. of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China) ,  Wang Hongbo (State Key Lab. of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China) ,  Zhang Xinyu (State Key Lab. of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China) ,  Li Xiaoyu (State Key Lab. of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China) ,  Yang Huawei (State Key Lab. of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCSNT  ページ： 315-319  発行年： 2017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： 交通シーンにおける画像のためのオブジェクト検出システムを構築した。それは高速で,正確で,ロバストである。従来の物体検出器は最初に提案を生成する。その後,特徴を抽出した。次に,これらの提案に関する分類装置を実行した。しかし,速度は遅く,精度は満足できない。Yoloは,深い学習に基づく優れたオブジェクト検出アプローチは,位置と分類のための単一畳込みニューラルネットワークを提示する。Yoloのネットワークのすべての完全接続層は,新しいネットワークを再生する目的で,平均プール層で置き換えられる。損失関数は,境界座標誤差の割合が増加した後に最適化される。新しいオブジェクト検出法,OYOLO(最適化Yolo)はYoloより1.18倍高速であるが,R-CNNのような他の領域ベースの手法を正確に実行することができる。さらに精度を改善するために,OYOLOとR-FCNの組合せを提案システムに追加した。夜間の挑戦的画像に対して,ヒストグラム等化手法を用いて前処理を提示した。このテストセットにおいて,mAPにおいて6%以上の改善を得た。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： 前処理 ,  *ネットワーク ,  ロバスト性 ,  分類装置 ,  損失関数 ,  最適化 ,  高速度 ,  画像 ,  コンピュータビジョン
準シソーラス用語： ヒストグラム等化 ,  *物体検出 , 【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 (3件)： 交通 ,  場面 ,  物体検出