文献

J-GLOBAL ID：201902229227102785   整理番号：19A1513790

傾向流と深さ学習に基づく空港運動目標検出【JST・京大機械翻訳】

A Target Detection Method of Moving Objects at Airport Based on Streak Flow and Deep Learning

著者 (4件)： Zhan Zhaohuan (四川大学空天科学与工程学院 成都610065) ,  Han Songchen (四川大学空天科学与工程学院 成都610065;四川大学国家空管自動化系統技術重点実験室 成都610065) ,  Li Wei (四川大学空天科学与工程学院 成都610065;四川大学国家空管自動化系統技術重点実験室 成都610065) ,  Yu Lisha (四川大学空天科学与工程学院 成都610065)
資料名： Jiaotong Xinxi yu Anquan  (Jiaotong Xinxi yu Anquan)
巻： 37  号： 1  ページ： 49-57  発行年： 2019年 
JST資料番号： C3145A  ISSN： 1674-4861  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： 現在のビデオ画像に基づく場面監視目標検出方法には,位置誤差が大きく,認識精度が低いなどの問題があり,目標運動情報と結びつける空港場面移動目標検出方法を確立した。移動目標の候補領域をディンプルストリーム法で抽出し,候補領域に対する点プール化操作を実行して,領域アドバイスの境界を決定し,Inception構造を用いて,浅層畳込みニューラルネットワークを構築し,このネットワークを用いて,地域アドバイスにおける航空機,車両,および人員を識別した。国内空港の監視ビデオと結合して、4938枚の画像を含む空港目標データセットを構築し、アルゴリズムの訓練とテストに用いた。結果は,移動目標抽出の精度が94%以上に達し,移動目標認識のTop-1精度が97.23%に達し,移動目標の平均精度が86.23%に達することを示した。3種類の深さ学習目標検出アルゴリズムと比較して,移動目標の検出精度は,平均39%増加した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 検出法 ,  ネットワーク ,  *空港 ,  録画装置 ,  画像 ,  アルゴリズム ,  航空機
準シソーラス用語： 検出精度 ,  検出アルゴリズム ,  畳込みニューラルネットワーク ,  移動目標 ,  認識精度 ,  位置誤差 ,  ビデオ画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 傾向 ,  学習 ,  空港 ,  運動 ,  目標