文献

J-GLOBAL ID：201902238489104582   整理番号：19A2065189

難点サンプルマイニングに基づく高速領域畳込みニューラルネットワーク目標検出研究【JST・京大機械翻訳】

Research on Faster RCNN Object Detection Based on Hard Example Mining

著者 (5件)： Zhang Ye (浙江工業大学机械工程学院 杭州 310023) ,  Xu Ting (浙江工業大学机械工程学院 杭州 310023) ,  Feng Dingzhong (浙江工業大学机械工程学院 杭州 310023) ,  Jiang Meixian (浙江工業大学机械工程学院 杭州 310023) ,  Wu Guanghua (浙江工業大学机械工程学院 杭州 310023)
資料名： Dianzi yu Xinxi Xuebao  (Dianzi yu Xinxi Xuebao)
巻： 41  号： 6  ページ： 1496-1502  発行年： 2019年 
JST資料番号： C2507A  ISSN： 1009-5896  CODEN： DKXUEC  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： 古典的高速領域畳込みニューラルネットワーク(FasterRCNN)の訓練プロセスには,訓練サンプルや低い再現率などの問題があり,オンライン難点サンプルマイニング技術(OHEM)と,負難点サンプルマイニング(HNEM)技術を結合した。訓練中にリアルタイムに選別した最大損失値の難点サンプルによる誤差転送を行い、モデルの難点サンプルに対する検出率が低い問題を解決し、モデルの訓練効率を高める。モデルの再現率とモデルの一般化を改善するために,非最大抑制(NMS)アルゴリズムを改良し,信頼閾値ペナルティ関数を設定し,多重スケール,データ強化などの訓練法を導入した。最後に,改良の前後の結果を比較して,感度解析は,このアルゴリズムがVOC2007データセットで良い結果を得て,平均精度が69.9%から74.40%まで増加し,VOC2012で70.4%から79.3%に上がったことを示した。このアルゴリズムの優位性を検証した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ペナルティ関数 ,  アルゴリズム ,  感度解析 ,  *高速度 ,  モデル
準シソーラス用語： マルチスケール ,  検出率 ,  実時間 ,  オンライン ,  再現率 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  レーダ  (ND13010H)

タイトルに関連する用語 (4件)： サンプル ,  畳込みニューラルネットワーク ,  目標 ,  研究