文献

J-GLOBAL ID：202002212089310961   整理番号：20A2004006

畳込みニューラルネットワークに基づく交通標識検出に関する研究【JST・京大機械翻訳】

Research on Traffic Sign Detection Based on Convolutional Neural Network

著者 (2件)： Wang Zhongyu (East China University of Science and Technology, Shanghai China) ,  Guo Hui (East China University of Science and Technology, Shanghai China)
資料名： ACM Proceedings  (ACM Proceedings)
号： VINCI’2019  ページ： 1-5  発行年： 2019年 
JST資料番号： D0698C  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： TSD(Traffic Sign Detection)は自律運転と支援運転研究におけるホットスポットである。TSD研究は,道路交通安全性を改善するために非常に重要である。近年,CNN(畳込みニューラルネットワーク)は,オブジェクト検出タスクにおいて大きな成功を達成した。それは伝統的方法より良い精度またはより速い実行速度を示す。しかし,既存のCNN法の実行速度と検出精度を同時に得ることができない。さらに,ハードウェア要求は以前より高く,より大きな検出コストをもたらす。これらの問題を解決するために,本論文はYOLOモデルに基づく改良CNNモデル,ダークネット53構造を提案した。バッチ正規化とRPNネットワークを導入して,トラフィックサイン検出タスクのためにネットワーク構造を改良するために,YOLOニューラルネットワーク検出モデルを最適化した。交通サイン検出タスクにおけるモデルの精度は大いに改善され,検出率はより速くなる。結果は,本論文における方式が,トラフィックサイン検出の精度と検出速度を改善し,また,検出システムのハードウェア要求を減らすのに非常に役立つことを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *ネットワーク ,  *交通標識 ,  道路交通 ,  *ニューラルネットワーク ,  ヨーグルト ,  ネットワーク構造 ,  ハードウェア ,  ホットスポット ,  正規化
準シソーラス用語： 物体検出 ,  検出率 ,  検出精度 ,  ダークネット ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 畳込みニューラルネットワーク ,  地域提案ネットワーク ,  交通標識決定 ,  ヨーグルト

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

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  交通標識 ,  研究