文献

J-GLOBAL ID：201902227427458328   整理番号：19A1938548

深層学習と仮想検出ラインに基づく船舶流れの統計的方法に関する研究【JST・京大機械翻訳】

Research on the Statistical Method of Ship Flow based on Deep Learning and Virtual Detection Line

著者 (2件)： Yang Ying (School of computer Science and Technology, Wuhan University of Technology) ,  Chen Xianqiao (School of computer Science and Technology, Wuhan University of Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ITAIC  ページ： 280-285  発行年： 2019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： 内陸水路における船舶流動統計の問題を解明するために,本論文は,船舶ビデオにおける深い学習単一目標追跡ネットワークモデルと仮想検出ラインに基づく追跡計算方法を提案した。最初に,著者らは,背景差分とOtsu方法を結合することによって船舶対象物を抽出して,次に,プロジェクション方法を使用することによって船舶位置情報を計算した。次に,改良単一目標追跡ネットワークモデルを初期化した。最後に,著者らは仮想検出線を描写して,船舶流動統計を実現するためにネットワークモデルによって仮想検出線と船舶目標出力の間の距離を計算した。実験結果は,提案方法が実際の応用シナリオの下で93.9%の船舶交通流精度率を達成できることを示した。それは既存のVTSシステムと結合することができて,一定の応用価値を有した。Copyright 2019 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： *船舶 ,  統計的方法 ,  録画装置 ,  内陸水路 ,  位置情報 ,  交通流 ,  *学習
準シソーラス用語： 背景差分法 ,  ネットワークモデル ,  ターゲット追跡 ,  *バーチャル ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  計算機網  (JC03000K)

タイトルに関連する用語 (6件)： 深層学習 ,  仮想 ,  船舶 ,  流れ ,  統計的方法 ,  研究