文献

J-GLOBAL ID：201902230283365689   整理番号：19A1788388

深部畳込みニューラルネットワークによる屋内画像認識と分類【JST・京大機械翻訳】

Indoor Image Recognition and Classification via Deep Convolutional Neural Network

著者 (6件)： Afif Mouna (Laboratory of Electronics and Microelectronics (EμE), Faculty of Sciences of Monastir, University of Monastir, Monastir, Tunisia) ,  Ayachi Riadh (Laboratory of Electronics and Microelectronics (EμE), Faculty of Sciences of Monastir, University of Monastir, Monastir, Tunisia) ,  Said Yahia (Laboratory of Electronics and Microelectronics (EμE), Faculty of Sciences of Monastir, University of Monastir, Monastir, Tunisia) ,  Said Yahia (Electrical Engineering Department, College of Engineering, Northern Border University, Arar, Saudi Arabia) ,  Pissaloux Edwige (LITIS Laboratory & CNRS FR 3638, University of Rouen, Normandy, Rouen, France) ,  Atri Mohamed (Laboratory of Electronics and Microelectronics (EμE), Faculty of Sciences of Monastir, University of Monastir, Monastir, Tunisia)
資料名： Smart Innovation, Systems and Technologies  (Smart Innovation, Systems and Technologies)
巻： 146  ページ： 364-371  発行年： 2020年 
JST資料番号： W5072A  ISSN： 2190-3018  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 屋内ナビゲーション(または方法発見)は,自律ロボットシステムおよび視覚障害者(VIP)に対して依然として大きな課題を提示している。実際に,VIPはしばしば情報標識,ランドマークまたは幾何学的形状のような視覚キューを見ることを可能にする。Deep Convolution Neural Network(DCNN)は,非常に効果的であることが証明されており,オブジェクト認識における他の技術と比較して優れた成功を達成している。本論文では,DCNNモデルを用いたオブジェクト分類のためのロバストな手法を提案した。自然照明(MCInドア20000データセット)を用いた実際の屋内画像における実験結果は,提案したDCNNモデルがオブジェクト分類において93.7%の精度を達成することを示した。Copyright 2020 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自律ロボット ,  自然照明 ,  待ち行列 ,  *画像 ,  物体認識 ,  視覚障害者 ,  モデル ,  視覚 ,  ロバスト性 ,  *画像認識
準シソーラス用語： オブジェクト分類 ,  ランドマーク ,  屋内ナビゲーション ,  *屋内 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 屋内ナビゲーション ,  物体認識 ,  Densenet ,  深層畳込みニューラルネットワーク(DCNN)

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 (5件)： 深部 ,  畳込みニューラルネットワーク ,  屋内 ,  画像認識 ,  分類