文献

J-GLOBAL ID：202002213444129663   整理番号：20A1828771

深層学習特徴を用いた実時間熱赤外線移動ターゲット検出と認識【JST・京大機械翻訳】

Real-time thermal infrared moving target detection and recognition using deep learned features

著者 (5件)： Akula Aparna (CSIR - Central Scientific Instruments Organisation (India)) ,  Kaur Varinder (CSIR - Central Scientific Instruments Organisation (India)) ,  Guleria Neeraj (CSIR - Central Scientific Instruments Organisation (India)) ,  Ghosh Ripul (CSIR - Central Scientific Instruments Organisation (India)) ,  Kumar Satish (CSIR - Central Scientific Instruments Organisation (India))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11394  ページ： 1139415-9  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： 監視アプリケーションは,制約された照明条件における領域のクロック監視を要求している。シーンに存在する物体により放出される熱を捕獲する熱赤外線カメラは,このような応用に適したセンサ技術として現れる。しかし,モニタリングアプリケーションのためのターゲットの自動検出のためのAI技術の開発は,クラス内のターゲットの高い変動性,目標の姿勢の変化,広く変化する環境条件などにより困難である。本論文では,森林景観におけるターゲットを検出し,分類するための実時間フレームワークを提案した。システムは,移動目標検出と検出したターゲット分類の2つの主な段階から成る。第一段階では,Gauss(MoG)バックグラウンド減算の混合体を用いて,IRビデオシーケンスの個々のフレームから関心領域(ROI)を検出した。第2段階では,付加的カスタム層を有する事前訓練深畳込みニューラルネットワークを特徴抽出と分類に使用した。実験的に生成された熱赤外線画像と公的に利用可能なFLIR熱データセットの両方を用いて,挑戦的な熱データセットを作成した。このデータセットを用いて,提案深層学習フレームワークを訓練し,検証した。モデルは,95%の予備試験精度を示した。8コアARM v8.264ビットCPUと512コアVolta GPUをTensorコアを有する埋込みプラットフォームで,フレームワークのリアルタイム展開を行った。移動ターゲット検出と認識フレームワークは,この組込み計算プラットフォーム上で約23fpsのフレームレートを達成し,資源制約環境における展開に適している。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  クロック ,  照明条件 ,  特徴抽出 ,  *応用プログラム ,  減算
準シソーラス用語： 自動検出 ,  ビデオシーケンス ,  フレームレート ,  実時間 ,  ターゲット検出 ,  関心領域 ,  *熱赤外線 ,  *深層学習 ,  畳込みニューラルネットワーク , 【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 (4件)： 深層学習 ,  実時間 ,  熱赤外線 ,  ターゲット検出