文献

J-GLOBAL ID：201902234171607652   整理番号：19A0517928

複合深部構造に基づくシーン適応車両検出アルゴリズム【JST・京大機械翻訳】

Scene-Adaptive Vehicle Detection Algorithm Based on a Composite Deep Structure

著者 (4件)： Cai Yingfeng (Intelligent Vehicle Research Institute, Automotive Engineering Research Institute, Jiangsu University, Zhenjiang, China) ,  Wang Hai (Department of Automotive Engineering, School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang, China) ,  Zheng Zhengyang (Department of Automotive Engineering, School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang, China) ,  Sun Xiaoqiang (Intelligent Vehicle Research Institute, Automotive Engineering Research Institute, Jiangsu University, Zhenjiang, China)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 22804-22811  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 知的車両のための既存の機械学習ベースの車両検出アルゴリズムは,訓練サンプルの分布とシーンターゲットサンプルが一致しないとき,検出効果が劇的に減少するという明らかな欠点がある。この問題を扱うために,複合深部構造に基づく景観適応型車両検出アルゴリズムを本論文で提案した。バギング(ブートストラップ凝集)機構によって触発されて,複数の相対的に独立したソースサンプルを最初に複数の分類装置を構築するために用いて,次に投票を用いて,信頼性スコアを有するターゲット訓練サンプルを生成した。次に,深い畳込みニューラルネットワークの自動特徴抽出能力を用いて,複合深い構造ベースの景観適応分類装置とその訓練方法を設計するために,深い自動符号器を用いてソースターゲットシーン特徴類似性計算を実行した。KITTIデータセットと著者らのグループによって捕捉されたデータセットに関する実験は,提案方法が既存の機械学習ベースの車両検出方法より良く機能することを実証した。さらに,既存のシーン適応オブジェクト検出法と比較して,著者らの方法は約3%の平均で検出率を改善した。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： 凝集 ,  特徴抽出 ,  符号器 ,  分類装置 ,  信頼性 ,  類似性 ,  ブートストラップ ,  計算 ,  *機械学習
準シソーラス用語： 検出率 ,  物体検出 ,  *車両検出 ,  畳込みニューラルネットワーク ,  スコア ,  *検出アルゴリズム , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (5件)： 深部構造 ,  シーン ,  適応 ,  車両検出 ,  アルゴリズム