文献

J-GLOBAL ID：201902273985805490   整理番号：19A2720562

高分解能光学リモートセンシングビデオのための畳込みニューラルネットワークに基づく物体検出と追跡【JST・京大機械翻訳】

Object Detection and Trcacking Based on Convolutional Neural Networks for High-Resolution Optical Remote Sensing Video

著者 (5件)： Hou Biao (Xidian University,Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education of China,,,,China) ,  Li Jingliang (Xidian University,Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education of China,,,,China) ,  Zhang Xiangrong (Xidian University,Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education of China,,,,China) ,  Wang Shuang (Xidian University,Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education of China,,,,China) ,  Jiao Licheng (Xidian University,Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education of China,,,,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： IGARSS  ページ： 5433-5436  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 高分解能の光学リモートセンシング画像からの物体検出アルゴリズムは,過去数年にわたってブームがあった。しかしながら,高分解能光学リモートセンシングビデオのためのオブジェクトトラッキングは,多数のオブジェクトと小さなサイズのために困難なタスクである。本論文では,広帯域高分解能光学リモートセンシングビデオのための深畳込みニューラルネットワークに基づく物体検出とトラッキング法を提案した。最初に,固定サイズのスライディングウィンドウを用いて,ビデオの各フレームをサブサンプルに分割した。スライディングウィンドウのエッジに現れる物体を効率的に検出するために,重なりスライディングウィンドウサンプリング法を用いた。さらに,ビデオの以前のフレームで発生したオブジェクトを追跡するために,以前と現在のフレームの関心のネットワーク融合領域(RoIs)を設計した。以前のフレームのROIを,現在のフレームの特徴層に直接適用した。最後に,各フレームに対して,非最大抑制(NMS)法によりサブサンプルの検出と追跡結果を融合した。著者らのデータセットに関する実験結果は,提案した検出アルゴリズムの妥当性と一般性を実証した。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： 広帯域 ,  *録画装置 ,  *高分解能 ,  コンピュータビジョン ,  *ネットワーク ,  画像 ,  普遍性
準シソーラス用語： スライディングウィンドウ ,  物体追跡 ,  検出アルゴリズム ,  *物体検出 ,  *畳込みニューラルネットワーク ,  *光学リモートセンシング , 【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 (6件)： 高分解能 ,  光学リモートセンシング ,  ビデオ ,  畳込みニューラルネットワーク ,  物体検出 ,  追跡