文献

J-GLOBAL ID：202002278634946557   整理番号：20A1575926

環境を意識した画像処理とニューラルネットワークを用いた街路景観画像からの交通黒点の認識【JST・京大機械翻訳】

Recognizing Traffic Black Spots From Street View Images Using Environment-Aware Image Processing and Neural Network

著者 (4件)： Tanprasert Teerapaun (Pomona College, Claremont, CA, USA) ,  Siripanpornchana Chaiyaphum (National Electronics and Computer Technology Center, National Science and Technology Development Agency, Pathumthani, Thailand) ,  Surasvadi Navaporn (National Electronics and Computer Technology Center, National Science and Technology Development Agency, Pathumthani, Thailand) ,  Thajchayapong Suttipong (National Electronics and Computer Technology Center, National Science and Technology Development Agency, Pathumthani, Thailand)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 121469-121478  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 本論文では,街路ビュー画像を用いて,黒点(事故しやすい道路位置)を同定する新しい手法を提案した。提案した手法は,道路の周囲の特性が特定のスポットの安全レベルに及ぼす影響を有し,完全に環境配慮した最初の黒点分類技術であるという仮説に基づいて導出された。各スポットのまわりの4つの街路ビュー画像,距離意識ピクセル蓄積を開発し,意味的セグメンテーション画像から道路を取り囲む物体に関する情報を抽出した。次に,蓄積ベクトルを用いて,完全接続ニューラルネットワークを訓練し,黒点を同定した。性能評価は,タイの街路ビュー画像で行われ,これは,発展途上国における道路特性を解析する挑戦的なシナリオであり,最も高い道路交通死亡率と限られた歴史的事故記録の1つである。提案手法と以前に提案した技術の比較も提供した。実験は,提案した技術がタイの黒と安全なスポットを69.91%の精度で分類することに成功し,ブラックスポットの75.86%が正しく同定されることを示した。また,距離意識画素蓄積は,6.4%までそれらの機械学習技術の精度を改善することができた。また,著者らの知見は,道路周囲の物体とそのサイズと距離が道路の事故傾向の決定因子であることを明らかにした。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： ベクトル ,  セグメンテーション ,  道路 ,  道路交通 ,  *ニューラルネットワーク ,  死亡率 ,  *太陽黒点 ,  *画像処理 ,  画素 ,  発展途上国 ,  性能評価
準シソーラス用語： *街路景観 ,  決定因子 ,  環境配慮 ,  機械学習技術 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 環境 ,  意識 ,  画像処理 ,  ニューラルネットワーク ,  街路景観 ,  交通 ,  黒点