文献

J-GLOBAL ID：201802262245980473   整理番号：18A1302390

深層学習と多層特徴融合に基づく車両検出法【JST・京大機械翻訳】

Vehicle detection method based on deep learning and multi-layer feature fusion

著者 (4件)： Min Zhao (College of Automation, Chongqing University, Chongqing 400044, China) ,  Jian Jia (College of Automation, Chongqing University, Chongqing 400044, China) ,  Dihua Sun (College of Automation, Chongqing University, Chongqing 400044, China) ,  Yi Tang (Chongqing Top Tech Information Co., Ltd, Chongqing 401147, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CCDC  ページ： 5862-5867  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： 車両検出は,スマート運転車の環境知覚において非常に重要な役割を果たす。実際の駆動シーンにおいて,既存の方法には,閉塞されたか小さい車両オブジェクトを検出する際にいくつかの問題があり,したがって,検出精度は実際の要求を満たすことができない。本論文は,深い学習と多層特徴融合に基づく車両物体を検出する新しい方法を提案した。最初に,畳込みニューラルネットワーク(CNN)を構築し,高度な特徴を抽出した。次に,ネットワークの異なるシェードを有するいくつかの層を検出のために選択して,プレセット候補ボックスも使用して,その結果,検出モデルはマルチスケール対象に適応することができた。さらに,多層特徴融合構造を設計して,意味情報を強化した。コントラスト実験結果は,著者らの方法がテストセットに関してより良い検出精度を達成して,検出速度がリアルタイムレベルに達したことを示して,それは実用的応用においてスマートドライブカーの要求を満たすことができた。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： 運転 ,  *多層 ,  コントラスト ,  ネットワーク ,  モデル ,  日よけ
準シソーラス用語： 意味情報 ,  マルチスケール ,  畳込みニューラルネットワーク ,  検出精度 ,  環境知覚 ,  *車両検出 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 深層学習 ,  多層 ,  特徴融合 ,  車両検出