文献

J-GLOBAL ID：202002213882635064   整理番号：20A1102369

インスタンスセグメンテーションを用いた無人航空機から得られた画像上の車両の検出【JST・京大機械翻訳】

Detection of vehicles on images obtained from unmanned aerial vehicles using instance segmentation

著者 (4件)： Kovbasiuk Serhiy (Zhytomyr Military Institute named after S. P. Korolov,Research Department,Zhytomyr,Ukraine) ,  Kanevskyy Leonid (Zhytomyr Military Institute named after S. P. Korolov,Research Department,Zhytomyr,Ukraine) ,  Chernyshuk Sergiy (Zhytomyr Military Institute named after S. P. Korolov,Research Department,Zhytomyr,Ukraine) ,  Romanchuk Mykola (Zhytomyr Military Institute named after S. P. Korolov,Research Department,Zhytomyr,Ukraine)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： TCSET  ページ： 267-271  発行年： 2020年 
JST資料番号： W2441A  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： 近年,地上車両検出のための無人航空機(UAV)による空気から撮影された画像の自動処理のための方法の開発と改良が優先されている。この方向における最も有望なアプローチの一つはニューラルネットワークの応用である。しかしながら,UAV画像は,通常の画像,すなわち,高分解能,複雑な画像背景,サイズによる不均一分布,および,空気環境条件によって引き起こされる飛行性能変化による画像曲げによって,いくつかの独特の特徴を持っている。これらの因子は,ニューラルネットワークの標準モデルにより,細かく傾斜した物体のより複雑な検出を行い,いくつかの場合には,そのような画像の自動処理を不可能にする。UAVから撮影した画像中の車両の自動検出を目的として,これらの方法のための基礎としてのニューラルネットワークの自動化画像処理とモデルの既存の方法の解析を行った。分析の結果は,空中画像の多段パイプラインを強調することを可能にした。それは,検出,実例,および意味的セグメンテーションへのアプローチを結合する。セグメンテーションカスケードのモデルは,オブジェクト幾何学的次元とそれらの比率ならびにスケール変化と調査条件を考慮することを通して改良した。空中画像における自動車両検出のためのセグメンテーションカスケードの提案モデルの適用により,そのような物体の位置確認と検出の精度を向上させることができる。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動化 ,  *セグメンテーション ,  ニューラルネットワーク ,  位置決め ,  画像処理 ,  *無人機 ,  規範モデル ,  飛行性 ,  高分解能
準シソーラス用語： 自動検出 ,  車両検出 ,  自動処理 ,  空中画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： インスタンス ,  セグメンテーション ,  無人航空機