文献

J-GLOBAL ID：201802280122917263   整理番号：18A0518443

群衆計数のためのマルチスケール畳込みニューラルネットワーク【Powered by NICT】

Multi-scale convolutional neural networks for crowd counting

著者 (5件)： Zeng Lingke (School of Electronic and Information Engineering, South China University of Technology, Guangzhou, China) ,  Xu Xiangmin (School of Electronic and Information Engineering, South China University of Technology, Guangzhou, China) ,  Cai Bolun (School of Electronic and Information Engineering, South China University of Technology, Guangzhou, China) ,  Qiu Suo (School of Electronic and Information Engineering, South China University of Technology, Guangzhou, China) ,  Zhang Tong (School of Electronic and Information Engineering, South China University of Technology, Guangzhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 465-469  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： 静止画像に対する計数群衆はスケール変動のために,挑戦的な問題である。深層ニューラルネットワークは,このタスクに有効であることが示されている。しかし,既存のニューラルネットワークに基づく方法は,多くの場合,規模と関係した特徴,最適化と計算消耗に対するより複雑なを抽出するための多重カラムまたはマルチネットワークモデルを使用した。この目的のために,単一画像群衆計数のための新しいマルチスケール畳込みニューラルネットワーク(MSCNN)を提案した。マルチスケールブロッブに基づいて,ネットワークである単一カラムアーキテクチャ,実用化のための効果的な精度とコストで高い群衆計数性能の規模と関係した特徴を生成することができる。相補的な結果は,この方法がパラメータのはるかに少ない数の精度とロバスト性に関する最先端レベル手法よりも性能的に優れていることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *ニューラルネットワーク ,  ロバスト性 ,  *ネットワーク ,  静止画像 ,  画像 ,  最適化 ,  多重化
準シソーラス用語： ディープニューラルネットワーク ,  *畳込みニューラルネットワーク ,  *マルチスケール ,  *計数 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 計数 ,  マルチスケール ,  畳込みニューラルネットワーク