文献

J-GLOBAL ID：202002253765186997   整理番号：20A2500643

深層学習に基づくアンカーベースおよびアンカーフリーオブジェクト検出法の解析【JST・京大機械翻訳】

Analysis of Anchor-Based and Anchor-Free Object Detection Methods Based on Deep Learning

著者 (4件)： Liu Shujian (Tianjin University of Technology,Tianjin Key Laboratory for Advanced Mechatronic System Design and Intelligent Control, School of Mechanical Engineering,Tianjin,China,300384) ,  Zhou Haibo (Tianjin University of Technology,Tianjin Key Laboratory for Advanced Mechatronic System Design and Intelligent Control, School of Mechanical Engineering,Tianjin,China,300384) ,  Li Chenming (Tianjin University of Technology,Tianjin Key Laboratory for Advanced Mechatronic System Design and Intelligent Control, School of Mechanical Engineering,Tianjin,China,300384) ,  Wang Shuo (Tianjin University of Technology,Tianjin Key Laboratory for Advanced Mechatronic System Design and Intelligent Control, School of Mechanical Engineering,Tianjin,China,300384)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICMA  ページ： 1058-1065  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： コンピュータビジョンのコアミッションの1つとして,物体検出はコンピュータ技術の急速な発展,特に顔検出,行動検出,自動運転,および知的監視の分野で広く応用されている。低検出精度,低効率,低ロバスト性などの従来の物体検出の欠点を狙って,本論文は2種類のモジュール:アンカーベースとアンカー-フレアの深層学習ベース検出器を要約した。本論文では,各検出器の性能を比較し,解析した。さらに,著者らは,バックボーンの改良,NMSの最適化,正と負のサンプル解法の不均衡の側面から,対象物検出の要所技術の開発をまとめて,最後に,対象物検出の開発傾向は,軽量検出モデル,弱い監視検出と小さな対象物検出の展望から検討した。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 ,  *自動運転 ,  検出器 ,  コンピュータビジョン ,  ロバスト性
準シソーラス用語： 不均衡 ,  フレア ,  顔検出 ,  *物体検出 ,  検出精度 ,  *深層学習 ,  軽量 , 【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)： 深層学習 ,  アンカー ,  オブジェクト検出 ,  解析