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。
近年,不特定多数の人が集まる公共の場所での刃物・爆発物を用いたテロや事件が頻発するようになり,テロを未然に防ぐことは,セキュリティ対策の重要な課題となっている.そこで危険物検出の第一歩として,危険物の1種であるナイフに焦点を当て識別を行った.識別に利用できる有用な特徴の調査と機械学習の分類技術で学習データをどれだけ分類できるかを検証し,精度の向上を試みた.LBP(Local Binary Pattern)特徴とHOG(Histogram of Oriented Gradient)特徴の2つの特徴に対し,様々な分類アルゴリズムを用いて機械学習を行った.様々な分類アルゴリズムの中で,HOG特徴を用いた3次SVM(Support Vector Machine)の精度が一番高く89.4%となった.さらなる実験の結果,CNN(Convolutional Neural Network)を用いた学習では,この分野では非常に高い97.7%の精度が得られた.(著者抄録)