文献

J-GLOBAL ID：201802287748149331   整理番号：18A0197488

オブジェクト検出のためのマルチスケールピラミッド特徴マップ【Powered by NICT】

Multi-scale Pyramid Feature Maps for Object Detection

著者 (4件)： Huijun Hao ,  Ronghua Ye ,  Zhongyu Chen ,  Zhonglong Zheng
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： DCABES  ページ： 237-240  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： 深層学習における最近の技術革新を採用し,組み合わせ,マルチスケールクレーム検出作業における最新の精度を実現できるかを述べた。CNN特徴抽出の一般的なパイプラインに続いて,主に特徴ピラミッドのアイデアを利用する特徴抽出のアーキテクチャを設計した。さらに余分な1*1畳込み層を特徴抽出に有効であり,バッチ正規化を経由する。添加では,特徴抽出用に設計されたネットワークアーキテクチャは,低分解能及び高分解能特徴層を組み合わせた画像中の物体のカテゴリーを予測した。新しいアーキテクチャはプラトー検出に基づくバッチ正規化,平均プーリングの助けを借りて訓練した。提案したアーキテクチャは,精度といくつかのデータセット上での速度の両方において,いくつかの最先端レベルアルゴリズムと比較して,比肩可能な結果を示した。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： *角錐 ,  計算機アーキテクチャ ,  特徴抽出 ,  高分解能 ,  ネットワークアーキテクチャ ,  正規化 ,  畳込み ,  コンピュータビジョン ,  画像
準シソーラス用語： 最先端 ,  低分解能 ,  深層学習 ,  *特徴マップ ,  *物体検出 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (2件)： オブジェクト検出 ,  特徴マップ