抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】