文献

J-GLOBAL ID：202002242701516565   整理番号：20A0589531

改良型高速R-CNNに基づく沿岸船舶検出【JST・京大機械翻訳】

Inshore ship detection based on improved faster R-CNN

著者 (3件)： Tan Xiangyu (China Univ. of Geosciences (China)) ,  Tian Tian (China Univ. of Geosciences (China)) ,  Li Hang (China Academy of Launch Vehicle Technology (China))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11429  ページ： 1142909-7  発行年： 2020年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 船舶物体検出は軍事と民間の両方で広い範囲の応用を持っている。軍事において,軍事の分野における重要で古典的な対象として,船舶の迅速で正確な検出は,戦闘の成功または失敗に密接に関連している。同様に,民間利用における生存ツールとして,船舶の数と位置が迅速に正確に同定できるかどうかは,海洋救助に強い影響を及ぼす。近年,様々なオブジェクト検出法が船舶検出に適用されており,それは従来の方法と深い学習に基づく方法を含んでいる。しかし,沿岸船の複雑な背景のために,検出プロセスは海岸の建物によって容易に妨害される。結果として,船舶検出の効果はまだ満足できず,研究者はこれらの方法をさらに改善する努力を行っている。本論文において,著者らは改良されたファスタR-CNNに基づく沿岸船舶検出方法を提案した。検出フィールドにおける典型的でベンチマークのフレームワークとして,ファスタR-CNNをベースパイプラインとして選択した。この方法に基づいて,船舶のサイズとそれらの間の距離がすべて異なる特性を考慮して,ソフトNMSとFocal Lossを追加した。種々のデータセットに関する実験により,この改良の有効性を検証した。著者ら自身の200の船舶データセットに関する平均値精度は,6%から80.4%まで増加した。公共のHRSC2016船舶データセットに関する平均値精度は,1.1%から84.5%まで増加した。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出法 ,  有効性 ,  海岸 ,  海洋 ,  *沿岸 ,  ベンチマーク ,  *船舶
準シソーラス用語： 物体検出 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： CNN ,  沿岸 ,  船舶