文献

J-GLOBAL ID：202002211669924666   整理番号：20A1012066

改良SSDアルゴリズムに基づく目標部品検出【JST・京大機械翻訳】

Target part detection based on improved SSD algorithm

著者 (3件)： Yu Yongwei (College of Mechanical Engineering, Chongqing University of Technology, Chongqing, 400054, China) ,  Han Xin (College of Mechanical Engineering, Chongqing University of Technology, Chongqing, 400054, China) ,  Du Liuqing (College of Mechanical Engineering, Chongqing University of Technology, Chongqing, 400054, China)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1486  号： 3  ページ： 032024 (5pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 従来のターゲット検出アルゴリズムがターゲット検出精度とリアルタイム検出をバランスできないという問題を目的として,検出効果は実際の複雑な生産条件の下で劣っている。認識-SSDフレームワークに基づく深い学習検出法を提案した。インセプション予測構造を統合したインセプティオンSSDは,SSDネットワークの余分な層にインceptionブロックを導入する。次に,それはバッチ正規化(BN)と残差構造接続を使用して,ネットワークの複雑さを増やすことなくより多くの目標情報を捕えた。それは,そのリアルタイム検出に影響することなく,その精度を改善する。実験の結果は,本モデルの検出精度が実際の生産プロセスにおいて97.8%であることを示して,それは本来のSSDアルゴリズムと比較して大いに改良した。検出時間は48msであり,検出精度を改善し,実時間性能を保証した。それは,実際の生産における部品の検出要求を満たすことができる。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  学習 ,  ネットワーク ,  残差 ,  検出法 ,  正規化 ,  生産プロセス ,  ターゲット検出 ,  検出アルゴリズム
準シソーラス用語： 実時間 ,  検出精度 , 【Automatic Indexing@JST】

分類 (3件)： 計算機網  (JC03000K) ,  データ保護  (JD01020V) ,  計測機器一般  (AD02000X)

タイトルに関連する用語 (3件)： SSD ,  アルゴリズム ,  目標