文献

J-GLOBAL ID：202002282098721827   整理番号：20A2443830

マスクRCNNを用いたマルチ磁気ターゲットの検出と分類【JST・京大機械翻訳】

Detection and Classification of Multi-Magnetic Targets Using Mask-RCNN

著者 (4件)： Zhou Zhijian (Key Laboratory of Geo-Exploration Instruments, Ministry of Education of China, Jilin University, Changchun, China) ,  Zhang Meng (Key Laboratory of Geo-Exploration Instruments, Ministry of Education of China, Jilin University, Changchun, China) ,  Chen Jiefu (Department of Electrical and Computer Engineering, Cullen College of Engineering, University of Houston, Houston, TX, USA) ,  Wu Xuqing (Department of Information and Logistics Technology, College of Technology, University of Houston, Houston, TX, USA)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 187202-187207  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： 浅い地下層における小さな磁気ターゲットの形状を検出するために,本論文ではMask-RCNNに基づく認識法を提案した。最初に,COMSOLソフトウェアとMATLABソフトウェアを用いて,異なる形状と方向の下で磁気目標モデルのデータベースを確立して,それは訓練データセットの多様性を大いに強化した。次に,磁気勾配テンソルマトリックスのG_zz成分を,磁気ターゲットの形状特徴を強調するために選択し,輪郭画像を生成した。深層学習アノテーションツールラベルを用いて,実験データ集合を作成した。最後に,Resnet101をバックボーンネットワークとして用い,特徴ピラミッドネットワーク(FPN)構造を用いて特徴を抽出した。地域推薦ネットワーク(RPN)は,各特徴マップのための地域推薦を創造するためにエンドツーエンドに訓練された。200の試験画像の検出結果は,方法の平均検出精度が97%であり,再現率が94%であることを示した。シミュレーション結果は,方法の認識精度とロバスト性が改良することを示した。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： シミュレーション ,  データベース ,  ネットワーク ,  *磁気 ,  基幹回線 ,  エンドツーエンド方式 ,  ソフトウェア ,  ロバスト性
準シソーラス用語： 訓練データ ,  MATLAB ,  認識精度 ,  再現率 ,  検出精度 ,  特徴マップ ,  深層学習 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  マーケティング  (KA06020W) ,  音声処理  (JE05000E)

タイトルに関連する用語 (5件)： マスク ,  マルチ ,  磁気 ,  ターゲット ,  分類