文献

J-GLOBAL ID：202002240137793327   整理番号：20A0632141

屋内位置決めの精度改善のための畳込みニューラルネットワークに基づくデータ前処理【JST・京大機械翻訳】

Data Pre-processing Based on Convolutional Neural Network for Improving Precision of Indoor Positioning

著者 (3件)： Lu Eric Hsueh-Chan (Department of Geomatics, National Cheng Kung University, Tainan City, Taiwan (R.O.C.)) ,  Chang Kuei-Hua (Department of Geomatics, National Cheng Kung University, Tainan City, Taiwan (R.O.C.)) ,  Ciou Jing-Mei (Department of Geomatics, National Cheng Kung University, Tainan City, Taiwan (R.O.C.))
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12033  ページ： 545-552  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 過去において,屋内位置決め技術は,主に歩行者デッドレコーニングと無線信号位置決め方法に基づいた。しかし,誤差蓄積と信号干渉のようないくつかの問題を引き起こすことが簡単であった。位置決め精度はまだ改善される必要がある。近年のニューラルネットワークの発展により,多くの研究者が,ニューラルネットワークを,従来のニューラルネットワーク(CNN)に基づく屋内位置決め問題に適用することに成功した。この技術は主に画像特徴をマッチングすることにより画像の位置を決定する。CNNは他の教師つき学習と同じ課題に直面する。「クリーン」データを収集できない場合,訓練モデルは良好な位置決め精度を達成しない。屋内位置決めのために使用されるCNNに対して,もしあるものが訓練データを通過するならば,画像の異なる位置に現れる人を引き起こすならば,このモデルは画像が同じ位置であると考えることができる。この問題を解決するために,CNNに基づく屋内位置決めの精度を改善するためのデータ前処理法を提案した。この方法では,訓練と試験データで認識される移動物体を異なる方法で修正する。Mask R-CNNとYoloに基づくデータ前処理方法を実行して,次に,有名なCNN屋内位置決めアーキテクチャをPoseNetに前処理方法を統合した。実際の実験解析を通して,移動物体の除去は,約46%の屋内位置決め精度を効果的に改善することができた。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 干渉 ,  移動体 ,  *ニューラルネットワーク ,  歩行者 ,  教師つき学習 ,  画像特性 ,  位置決め ,  計算機アーキテクチャ
準シソーラス用語： 物体検出 ,  訓練データ ,  位置決め精度 ,  ワイヤレス ,  データ前処理 ,  *畳込みニューラルネットワーク ,  *屋内位置決め , 【Automatic Indexing@JST】

著者キーワード (4件)： 畳み込みニューラルネットワーク ,  屋内位置決め ,  オブジェクト検出 ,  データ前処理

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 屋内位置決め ,  畳込みニューラルネットワーク ,  データ前処理