抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
オブジェクト検出は,自律車両,監視など多くの人工知能(AI)アプリケーションのための中心テーマである。この能力を提供するアルゴリズムは,対応するセンサモードで利用できる訓練データに依存する。多重センサモードからの共位置データによって,検出信頼度が強化されるが,所望のセンサモードにおける訓練データのアベイラビリティは,常に容易に入手できず,それは,進行を遅くする。本論文では,条件付きGenerative Adversarial Network(cGAN)を用いて,単一固定カメラデータセット上で,1つのセンサモードからもう1つのセンサモードへ画像を変換する能力を調べた。特に,画像は,ミニマックスゲーム設定におけるデータ分布を学習する生成モデルである,cGANモデルを用い,電気光学(EO)からInfra-Red(IR)画像および逆変換に転送される。そのような転送画像の使用性を調査するために,著者らは地上真実と移動画像に物体検出アルゴリズムを適用し,それらの性能を比較した。結果は,移動画像が実際の画像に密接にマッチし,物体検出が,特に物体サイズが大きいとき,移動画像で良い性能を持つことを示した。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】