文献

J-GLOBAL ID：202002260088248980   整理番号：20A2499825

DAGN:実時間UAVリモートセンシング画像車両検出フレームワーク【JST・京大機械翻訳】

DAGN: A Real-Time UAV Remote Sensing Image Vehicle Detection Framework

著者 (5件)： Zhang Zhongyu (Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China) ,  Liu Yunpeng (Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China) ,  Liu Tianci (Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China) ,  Lin Zhiyuan (Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China) ,  Wang Sikui (Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 17  号： 11  ページ： 1884-1888  発行年： 2020年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
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： 無人航空機(UAV)によって撮影されたリモートセンシング画像からのリアルタイム小型物体検出は,UAVの射撃角の結果である物体の複雑なスケール,密度,および形状のため,多くのUAVアプリケーションにとって,挑戦的だが基本的な問題である。本レターでは,UAVリモートセンシング画像のためのリアルタイム小型車両検出に焦点を当て,YOLOv3に基づく深さ方向分離可能注意誘導ネットワーク(DAGN)を提案した。第1に,著者らは,重要と不等特性を区別する優れた能力を有するモデルを提供するために,特徴連結と注意ブロックを結合した。次に,YOLOv3における損失関数と候補併合アルゴリズムを改善した。これらの戦略を通して,車両検出の性能を改善し,一方,いくつかの検出速度を犠牲にした。著者らのモデルを加速するために,著者らは,いくつかの標準畳込みを深さ方向分離可能畳込みに置き換えた。航空画像(VEDAI)データセットにおける車両検出に適用されるYOLOv3および他の2段階最先端モデルと比較して,DAGNは0.671の検出精度を持ち,それはYOLOv3のものより5.5%良い,そして,それは2段階方式と同じ結果を達成した。さらに,DAGNはGeForce GTX1080Tiを用いてリアルタイム検出を達成した。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： アルゴリズム ,  *畳込み ,  損失関数 ,  ネットワーク ,  無人機 ,  応用プログラム
準シソーラス用語： *車両検出 ,  物体検出 ,  実時間 ,  射撃 ,  検出精度 ,  *リモートセンシング画像 ,  空中画像 ,  ディプス方向 , 【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 (5件)： 実時間 ,  UAV ,  リモートセンシング画像 ,  車両検出 ,  フレームワーク