文献

J-GLOBAL ID：202002229608212941   整理番号：20A1533465

空間表面温度パターンの深層学習を通した野生における深部熱画像近接材料型認識【JST・京大機械翻訳】

Deep Thermal Imaging Proximate Material Type Recognition in the Wild through Deep Learning of Spatial Surface Temperature Patterns

著者 (4件)： Cho Youngjun (University College London, London, United Kingdom) ,  Bianchi-Berthouze Nadia (University College London, London, United Kingdom) ,  Marquardt Nicolai (University College London, London, United Kingdom) ,  Julier Simon J. (University College London, London, United Kingdom)
資料名： ACM Proceedings  (ACM Proceedings)
号： CHI ’18  ページ： 1-13  発行年： 2018年 
JST資料番号： D0698C  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： 著者らは,人々の理解と,それらの近位環境のユビキタス技術を強化するために,材料の近距離自動認識のための新しいアプローチである深熱画像を紹介する。この手法は,熱テクスチャを捉えるためにスマートフォンに統合した低コストモバイル熱カメラを使用する。深いニューラルネットワークは,これらのテクスチャを材料タイプに分類する。このアプローチは,環境光源や材料との直接接触を必要とせずに,効果的に機能する。さらに,深層学習ネットワークの使用は,異なる材料に対する特徴の集合を手作業する必要性を除去する。屋内および屋外環境の両方で32の材料タイプを認識するため,このシステムの性能を評価した。著者らのアプローチは,15の屋内材料の14,860の画像で98%以上の認識精度,および17の屋外材料の26,584の画像で89%以上を示した。著者らは,HCIアプリケーションと将来の方向におけるリアルタイム使用の可能性を考察することによって結論を下した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  光源 ,  ネットワーク ,  ニューラルネットワーク ,  画像処理 ,  応用プログラム ,  *熱画像 ,  *表面温度 ,  携帯電話 ,  スマートフォン ,  屋外環境 ,  自動認識 ,  *深層学習
準シソーラス用語： 実時間 ,  ユビキタス技術 , 【Automatic Indexing@JST】

著者キーワード (6件)： 文脈を意識したモバイルコンピューティング ,  深層学習 ,  野生で ,  材料認識 ,  センシング ,  熱イメージング

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 表面温度 ,  深層学習 ,  深部 ,  熱画像