文献

J-GLOBAL ID：202002247399362694   整理番号：20A2084387

改良マスクRCNNに基づくマルチサイズプレート検出アルゴリズム【JST・京大機械翻訳】

Multisize plate detection algorithm based on improved Mask RCNN

著者 (6件)： Song Feiyang (Guangdong University of Technology,School of Information Engineering,Guangdong,China) ,  Wu Liming (Guangdong University of Technology,School of Electromechanical Engineering,Guangdong,China) ,  Zheng Gengzhe (Guangdong University of Technology,School of Electromechanical Engineering,Guangdong,China) ,  He Xinying (Guangdong University of Technology,School of Electromechanical Engineering,Guangdong,China) ,  Wu Guanchu (Guangdong University of Technology,School of Electromechanical Engineering,Guangdong,China) ,  Zhong Yang (Guangdong University of Technology,School of Electromechanical Engineering,Guangdong,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SmartIoT  ページ： 277-281  発行年： 2020年 
JST資料番号： W2441A  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： 板の仕分けは板加工生産ラインの不可欠な部分である。複雑な検出シナリオにおけるプレート検出を達成するために,改良Mask RCNNに基づくマルチサイズプレート検出アルゴリズムを提案した。モデル融合法を用いて,特徴移動経路を最適化し,特徴抽出をより効率的に行うために,高密度Netネットワーク構造を導入した。同時に,境界距離制約をセグメンテーション損失関数に追加して,それは高い積層複雑性とファジィ境界情報を有する目標のためにモデルをより正確にした。実験結果は,改良Mask RCNN性能が,他のモデルと比較して著しく改善され,98%以上の平均精度を有する最適化効果を達成することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *セグメンテーション ,  損失関数 ,  特徴抽出 ,  ネットワーク構造 ,  生産ライン ,  曖昧さ
準シソーラス用語： 高密度 ,  複雑性 ,  *検出アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： マスク ,  マルチ ,  サイズ ,  検出アルゴリズム