文献

J-GLOBAL ID：201802266774429449   整理番号：18A1222905

改良領域畳込みニューラルネットワークに基づくマイクロOSターゲット検出方法【JST・京大機械翻訳】

Improved Object Detection Method of Micro-operating System Based on Region Convolutional Neural Network

著者 (4件)： Peng Gang (華中科技大学自動化学院図像信息処理与智能控制教育部重点実験室 武漢430074) ,  Yang Shiqi (華中科技大学自動化学院図像信息処理与智能控制教育部重点実験室 武漢430074) ,  Huang Xinhan (華中科技大学自動化学院図像信息処理与智能控制教育部重点実験室 武漢430074) ,  Su Hao (華中科技大学自動化学院図像信息処理与智能控制教育部重点実験室 武漢430074)
資料名： Moshi Shibie yu Rengong Zhineng  (Moshi Shibie yu Rengong Zhineng)
巻： 31  号： 2  ページ： 142-149  発行年： 2018年 
JST資料番号： C2411A  ISSN： 1003-6059  CODEN： MRZHET  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： 従来のターゲット検出法は,マイクロオペレーティングシステムの部分がオクルージョンまたは複数姿勢のターゲットを検出できない。オリジナルのFas-ter-RCNNに基づいて,画像分類タスクにおいて,性能の優れた深さ残差ネットワークを,検出アルゴリズムの主要フレームワークとして用いた。実験結果は,領域畳込みニューラルネットワークに基づく改良アルゴリズムが,部分的にオクルージョンと姿勢のターゲットを効果的に認識することができ,従来の方法より環境適合性が強く,より高速であることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： オクルージョン ,  *ネットワーク ,  残差 ,  アルゴリズム ,  Fas抗原 ,  高速度
準シソーラス用語： 検出アルゴリズム ,  画像分類 ,  *ターゲット検出 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： Micro-operating System ,  Object Detection ,  Region Convolutional Neural Network ,  Deep Residual Network ,  Online Hard Example Mining

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

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 ,  Os ,  ターゲット ,  検出方法