文献

J-GLOBAL ID：201802252568571618   整理番号：18A0654929

深さ遷移学習に基づく煙認識手法【JST・京大機械翻訳】

Smoke recognition based on deep transfer learning

著者 (4件)： Wang Wenpeng (河南師范大学計算机与信息工程学院,河南新郷,453007) ,  Mao Wentao (河南師范大学計算机与信息工程学院,河南新郷453007;河南省高校計算智能与数据wa掘工程技術中心,河南新郷453007) ,  He Jianliang (河南師范大学計算机与信息工程学院,河南新郷,453007) ,  Dou Zhi (河南師范大学計算机与信息工程学院,河南新郷453007;河南省高校計算智能与数据wa掘工程技術中心,河南新郷453007)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 37  号： 11  ページ： 3176-3181,3193  発行年： 2017年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  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： センサと画像特性に基づく従来の煙認識法は,外部環境によって干渉されやすく,シーン認識のために単純であり,そして,深さ学習に基づく認識方法は,データ要求に対してより高い精度を必要とする。スモッグデータの欠如やデータ源の制限によるモデル識別能力が弱いという問題に対して、深さ遷移学習に基づく煙識別方法を提案した。ソースデータとしてImageNetデータセットを用いて,同形データに基づく特徴マイグレーションを,VGG-16モデルを用いて行った。まず第一に,すべての画像データを前処理して,ランダム画像(ランダム回転,剪断,反転など)を各画像にランダムに変換した。第二に,VGG-16ネットワークを導入して,それらの畳込み層の特性を移動して,次に,VG-16ネットワークによって訓練された全接続層を結合するために煙データを使用した。次に,移動学習に基づく深さネットワークを構築して,煙認識モデルを訓練した。公開データセットと実シーン煙画像を用いて実験を行い、実験結果により、既存の主流煙画像識別方法と比べ、提案方法は高い煙識別率があり、実験精度は96%以上であることが分かった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 剪断 ,  *学習 ,  認知モデル ,  前処理 ,  センサ ,  画像 ,  ネットワーク ,  畳込み ,  *煙 ,  画像認識 ,  画像特性
準シソーラス用語： 認識率 ,  画像データ ,  シーン理解 ,  外部環境 , 【Automatic Indexing@JST】

著者キーワード (4件)： deep learning ,  transfer learning ,  smoke recognition ,  small dataset

分類 (1件)： コロイドのレオロジー  (BL01012I)

タイトルに関連する用語 (4件)： 遷移 ,  学習 ,  煙 ,  手法