文献

J-GLOBAL ID：202002226431551654   整理番号：20A1143950

クラス重み付きYOLOネットワークに基づく水中ターゲット検出【JST・京大機械翻訳】

Underwater Object Detection Based on the Class-Weighted YOLO Net

著者 (3件)： Zhu Shiwei (南京信息工程大学自動化学院,江蘇 南京,210044) ,  Hang Renlong (南京信息工程大学自動化学院,江蘇 南京,210044) ,  Liu Qingshan (南京信息工程大学自動化学院,江蘇 南京,210044)
資料名： Nanjing Shida Xuebao. Ziran Kexue Ban  (Nanjing Shida Xuebao. Ziran Kexue Ban)
巻： 43  号： 1  ページ： 129-135  発行年： 2020年 
JST資料番号： W1025A  ISSN： 1001-4616  CODEN： NSXZEN  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 水中ターゲット検出は,画像ぼやけ,スケール多様化,複雑な背景などの問題に直面しているので,水中ターゲット検出応用に多くの挑戦をもたらしている。本論文では,クラス加重YOLOネットワークに基づく水中ターゲット検出方法を提案し,その主なアイデアは,深さネットワークYOLOに基づいて,クラス加重損失関数を構築し,サンプル難易度をバランスさせ,より良い結果を得るために,目標フレーム適応次元クラスタリング法を導入した。さらに,検出性能を改善した。実験結果は,提案したアルゴリズムが,従来のYOLOネットワークモデルと比較して,20のターゲットを含むすべての画像において,平均精度を71.2%から74.1%まで向上させ,再現率を71.1%から78.3%に改善できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  損失関数 ,  *ネットワーク ,  多様化
準シソーラス用語： ネットワークモデル ,  再現率 ,  ターゲット検出 , 【Automatic Indexing@JST】

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (3件)： クラス ,  水中 ,  ターゲット検出