文献

J-GLOBAL ID：201902254896120954   整理番号：19A0518064

視覚交通監視センサに関する車両型分類のためのアンサンブル深層学習法【JST・京大機械翻訳】

An Ensemble Deep Learning Method for Vehicle Type Classification on Visual Traffic Surveillance Sensors

著者 (4件)： Liu Wei (Virtual Reality and Interactive Techniques Institute, East China Jiaotong University, Nanchang, China) ,  Zhang Miaohui (Institute of Energy, Jiangxi Academy of Sciences, Nanchang, China) ,  Luo Zhiming (Cognitive Science Department, Xiamen University, Xiamen, China) ,  Cai Yuanzheng (Department of Computer Science, Minjiang University, Fuzhou, China)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 24417-24425  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： 視覚交通監視システムは,今日,知的輸送システムにおいて重要な役割を果たしている。視覚交通監視システムの最初のステップは,通常,画像やビデオからオブジェクトを正確に検出し,それらを異なるカテゴリ(例えば,自動車,トラック,バス)に分類する必要がある。本論文は,多視点視覚交通監視センサから得られた画像に関する新しい車両タイプ分類方式を導入することを目的とした。ほとんどの画像分類アルゴリズムは正しい予測の割合を最大化することに焦点を合わせており,少数のカテゴリからの画像が支配的なカテゴリとして誤分類されやすいという欠点がある。本論文では,視覚的な交通監視センサから得られた不均衡なデータを分類するこの挑戦に取り組むために,著者らは,深いニューラルネットワークをバランスのとれたサンプリングと統合する方法を提案した。提案した方法は2つの主要な段階から成る。最初の段階において,平衡サンプリングによるデータ増強を適用して,不平衡データ集合問題を軽減した。第二段階において,異なるアーキテクチャを有する畳込みニューラルネットワークモデルの集合を,強化訓練データ集合上で学習されたパラメータを用いて構築した。MIOビジョントラフィックカメラデータセット分類チャレンジデータセットに関する実験は,提案方法がベースラインアルゴリズムと比較して,高い全体的精度の条件において,すべてのカテゴリの平均精度を強化することができることを実証した。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： 画像 ,  ニューラルネットワーク ,  非平衡状態 ,  アルゴリズム ,  カメラ ,  録画装置 ,  自動車 ,  計算機アーキテクチャ ,  *センサ ,  *視覚 ,  監視装置
準シソーラス用語： 畳込みニューラルネットワーク ,  不均衡 ,  分類アルゴリズム ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： その他の計算機利用技術  (JE14000C)

タイトルに関連する用語 (5件)： 視覚 ,  交通 ,  分類 ,  アンサンブル ,  深層学習