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。
知的交通分野における深さ学習を用いた目標検出は研究の焦点となっている。古典的ターゲット検出アルゴリズムは,回帰に基づく単一目標検出モデル,または候補領域に基づく2段階目標検出モデルであり,大部分は,多くの事前定義の先験フレームanchorの列挙可能な位置,サイズ,およびアスペクト比の方法を用いて,対象を検索する。正負のサンプルが厳重に不均衡な問題を引き起こし、モデルの性能と汎化能力もanchor自身の設計の制限を受ける。anchorに基づく目標検出アルゴリズムの問題を目的として,単一目標検出ネットワークRetinaNetを用いて,交通シナリオにおける車両,歩行者,およびサイクリストに,anchor-freeに基づく目標検出モデルを確立した。ターゲット検出の問題を,画素予測によって処理し,そして,中心性予測分岐を追加し,そして,検出性能を改善した。実験により、anchorに基づく元のRetinaNetアルゴリズムと比べ、改良のanchor-freeに基づく目標検出モデルアルゴリズムは交通シーン中の車両、歩行者、サイクリストに対してより良い識別を実現できることが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】