文献

J-GLOBAL ID：202002284729740243   整理番号：20A2733517

人工ニューラルネットワークに基づく道路表面プロファイリング【JST・京大機械翻訳】

Road Surface Profiling based on Artificial-Neural Networks

著者 (4件)： Choi Seungho (Information and Communication Engineering, Hannam University, Daejeon, Republic of Korea) ,  Kim Seoyeon (Information and Communication Engineering, Hannam University, Daejeon, Republic of Korea) ,  Hong Heelim (School of Computer Science and Engineering, Chung-Ang University, Seoul, Republic of Korea) ,  Kim Young Bin (Graduate School of Advanced Imaging Science, Chung-Ang University, Seoul, Republic of Korea)
資料名： ACM Proceedings  (ACM Proceedings)
号： RACS ’20  ページ： 87-89  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： 最近,道路表面の監視は道路保全と管理のための重要因子である。光学的方法の進歩により,道路監視システムは,高精度および分解能センサパッケージを備えている。しかし,既存のセンサパッケージの大部分は,モバイル車両と動的屋外環境の動力学を考慮する際に,光学的および複雑なセンサのような高価な装置を備えている。本論文では,CNNベースのラインレーザ精密化を提案した。提案システムはCNNベースのラインレーザの改良に基づいて設計され,既存の高価なシステムよりも費用対効果が高い。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 保全 ,  *道路 ,  *路面 ,  分解能 ,  *ニューラルネットワーク ,  監視装置 ,  精密化 ,  センサ ,  携帯電話
準シソーラス用語： 費用対効果 ,  屋外環境 ,  高精度 ,  プロファイリング ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 人工ニューラルネットワーク ,  深層学習に基づくアプローチ ,  道路監視システム ,  道路表面プロファイリング

分類 (3件)： 自動車事故,交通安全  (TB01050G) ,  道路の維持修繕  (RC08050E) ,  走行装置  (QG03040V)

タイトルに関連する用語 (3件)： 人工ニューラルネットワーク ,  道路表面 ,  プロファイリング