文献

J-GLOBAL ID：202002212544507342   整理番号：20A2293373

条件付きGAN転送センサ画像におけるオブジェクト検出【JST・京大機械翻訳】

Object detection in conditional GAN transferred sensor images

著者 (1件)： Bhatia Amit (BAE Systems (United States))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11511  ページ： 1151108-10  発行年： 2020年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： *アルゴリズム ,  信頼度 ,  アベイラビリティ ,  人工知能 ,  応用プログラム ,  センサ ,  逆変換
準シソーラス用語： 自律性 ,  訓練データ ,  *物体検出 ,  マルチセンサ ,  生成モデル ,  検出アルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： GaN ,  転送 ,  オブジェクト検出