文献

J-GLOBAL ID：202002290506696813   整理番号：20A0494966

畳込みニューラルネットワークに基づく磁気浮上ボールの浮上ギャップのための視覚測定に関する研究【JST・京大機械翻訳】

Study on Vision Measurement for Levitation Gap of Magnetic Levitation Ball Based on Convolutional Neural Network

著者 (6件)： Kong Jie (Ministry of Education,Key Laboratory of Magnetic Suspension Technology and Maglev Vehicle,Chengdu,China) ,  Jing Yongzhi (Ministry of Education,Key Laboratory of Magnetic Suspension Technology and Maglev Vehicle,Chengdu,China) ,  Zhang Chenhao (Ministry of Education,Key Laboratory of Magnetic Suspension Technology and Maglev Vehicle,Chengdu,China) ,  Hao Jianhua (Ministry of Education,Key Laboratory of Magnetic Suspension Technology and Maglev Vehicle,Chengdu,China) ,  Qian Cheng (Ministry of Education,Key Laboratory of Magnetic Suspension Technology and Maglev Vehicle,Chengdu,China) ,  Gong Qianwen (Ministry of Education,Key Laboratory of Magnetic Suspension Technology and Maglev Vehicle,Chengdu,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICIVC  ページ： 301-305  発行年： 2019年 
JST資料番号： W2441A  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： 深い学習の開発によって,従来のニューラルネットワーク(CNN)は,オブジェクト分類とパターン認識において広く使用した。それは,コンピュータビジョンタスクにおいて,人間より良い性能を達成することを可能にした。研究対象として磁気浮上ボールシステムを取り上げた。浮上ギャップ測定のための伝統的方法の欠点を目的として,マシンビジョンとCNN画像処理技術を結合することによって,新しい方法を提案した。コンボリューションニューラルネットワークアルゴリズムを用いてギャップ測定モデルを構築し,訓練セットを用いてモデルを訓練した。実験結果は,磁気浮上ボールシステムの浮上ギャップ測定を実現するために,コンボリューションニューラルネットワーク画像処理技術を用いることが,高い距離測定精度と良好な性能を有することを示した。提案したCNNモデルは,完全スケールに対して最大誤差0.16mm,試験セットにおいて全スケールに対して0.07mmの平均誤差をもつ正確なギャップデータを提供した。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： *磁気浮上 ,  パターン認識 ,  *ニューラルネットワーク ,  アルゴリズム ,  測定精度 ,  浮上り ,  コンピュータビジョン ,  *視覚 ,  画像処理 ,  *畳込み
準シソーラス用語： 測定モデル ,  マシンビジョン ,  オブジェクト分類 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 畳込みニューラルネットワーク ,  磁気浮上 ,  ボール ,  浮上 ,  ギャップ ,  視覚 ,  研究