文献

J-GLOBAL ID：202002214727998634   整理番号：20A1887468

高密度接続ネットワークによるマルチスケール実時間オブジェクト検出【JST・京大機械翻訳】

Multi-Scale Real-Time Object Detection With Densely Connected Network

著者 (3件)： Jiang Dong (School of Information Science & Engineering, Yunnan University,Kunming,China) ,  Bai Zhengyao (School of Information Science & Engineering, Yunnan University,Kunming,China) ,  Li Qiong (School of Information Science & Engineering, Yunnan University,Kunming,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICSIDP  ページ： 1-5  発行年： 2019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： 本論文では,高精度と高速予測による物体検出問題に注目した。これを達成するために,既存のオブジェクト検出アルゴリズムを修正し,新しい特徴抽出ネットワークを設計し,複数の特徴マップに基づく検出ターゲットを予測し,アンカーボックスを改善した。特に,高密度Netは,予測をより高精度にするためにスキップ接続操作を用いて以前の畳込み層の出力を結合できるので,YOLOv3-Tinyネットワークを改善するために,高密度Netを導入した。さらに,より真のターゲットを検出するために,改良ネットワークに予測層を追加した。最後に,改良ネットワークの検出結果を改善するために訓練のためのアンカーボックスを得るために,特定のデータセットのグランドトルースをクラスタ化した。Pascal VOCデータセットを用いて,このネットワークの有効性を実証した。実験結果は,改良ネットワークが検出精度を14%増加し,検出速度がビデオ検出において1秒当たり63フレームであることを示した。検出精度は,より高いレベルおよびリアルタイム検出要求を満たす検出速度に改良して,それは,提案方法がロバストで有効であることを示した。アンカーボックス,高密度Net,ビデオ検出。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： 畳込み ,  *ネットワーク ,  特徴抽出 ,  クラスタ化 ,  録画装置 ,  有効性 ,  ロバスト性
準シソーラス用語： マルチスケール ,  *物体検出 ,  高密度 ,  高精度 ,  実時間 ,  検出精度 ,  特徴マップ ,  検出アルゴリズム , 【Automatic Indexing@JST】

分類 (5件)： 音声処理  (JE05000E) ,  NMR一般  (BM07041R) ,  符号理論  (ND02030R) ,  図形・画像処理一般  (JE04010I) ,  専用演算制御装置  (JC04030Y)

タイトルに関連する用語 (3件)： マルチスケール ,  実時間 ,  オブジェクト検出