文献

J-GLOBAL ID：201802284367406607   整理番号：18A0537503

スケールを考慮した階層的損失:マルチスケール歩行者検出のためのマルチパスRPN【Powered by NICT】

Scale-aware hierarchical loss: A multipath RPN for multi-scale pedestrian detection

著者 (3件)： Zhang Xiaowei (Beijing Key Laboratory of Digital Media, School of Computer Science and Engineering, Beihang University, Beijing 100191, China) ,  Li Bo (Beijing Key Laboratory of Digital Media, School of Computer Science and Engineering, Beihang University, Beijing 100191, China) ,  Hu Haimiao (Beijing Key Laboratory of Digital Media, School of Computer Science and Engineering, Beihang University, Beijing 100191, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： VCIP  ページ： 1-4  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： 劇的に差分解能減少を伴う重篤な性能低下を示す異なる空間スケールを持つ歩行者は,現在の歩行者検出のための主要なボトルネックである。マルチスケール歩行者のための局所特徴差異を考慮して,スケールを意識した多経路領域提案ネットワークは,再現率,特定のスケール範囲で標的のための適切なオブジェクト提案を生成するために幾つかの枝に分けを改善するために利用した。さらに,異なる畳込み層の視覚意味概念によって動機づけられ,スケールを意識した階層的損失モデルは,異なるスケールを持つ歩行者の誤り率を最小化するために導入した,高い畳込み層の階層的特徴は各オブジェクト提案のためのマルチパス領域提案ネットワークの規模を意識した重みを学習するためにマルチタスク損失を計算するために接続される。最後に,最新技術手法と比較して,挑戦的なETHとCaltechベンチマーク上での実験結果により,例えばスケールにおける大きな変動に対する提案した方法の優位性を示した。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： 畳込み ,  *歩行者 ,  誤り率 ,  モデル ,  ネットワーク ,  視覚 ,  ベンチマーク ,  分解能
準シソーラス用語： マルチタスク ,  再現率 ,  局所特徴 ,  性能劣化 ,  *多経路 ,  *歩行者検出 ,  *マルチスケール , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  交通調査  (TB01031B)

タイトルに関連する用語 (5件)： スケール ,  損失 ,  マルチスケール ,  歩行者検出 ,  マルチパス