文献

J-GLOBAL ID：202002291256065263   整理番号：20A2693989

二段階および単一ステップ深層学習モデルを用いた2輪車両検出【JST・京大機械翻訳】

Two-Wheeled Vehicle Detection Using Two-Step and Single-Step Deep Learning Models

著者 (5件)： Kausar Adeeba (Department of Computer Engineering, University of Engineering and Technology, Taxila, Pakistan) ,  Jamil Afshan (Department of Computer Engineering, University of Engineering and Technology, Taxila, Pakistan) ,  Nida Nudrat (Department of Computer Engineering, University of Engineering and Technology, Taxila, Pakistan) ,  Yousaf Muhammad Haroon (Department of Computer Engineering, University of Engineering and Technology, Taxila, Pakistan) ,  Yousaf Muhammad Haroon (Swarm Robotics Lab-NCRA, University of Engineering and Technology, Taxila, Pakistan)
資料名： Arabian Journal for Science and Engineering  (Arabian Journal for Science and Engineering)
巻： 45  号： 12  ページ： 10755-10773  発行年： 2020年 
JST資料番号： W4051A  ISSN： 2193-567X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 道路事故は1990年以降46%増加した死因である。近年,重要な努力が,インテリジェント輸送システムを改善し,静穏率を低下させる4輪車検出に投資されてきた。しかし,2輪車の自動検出は,オクルージョン,照明変動,環境条件,および視点変動のため,困難なままである。本論文では,2段階および1ステップ技術を含む深層学習ベース物体検出モデルの2つのカテゴリーを用いた2輪車検出の包括的方法論を提示した。二段階物体検出技術において,領域ベース畳込みニューラルネットワーク(RCNN),高速RCNN,および領域ベース完全畳込みネットワーク(R-FCN)のような物体検出モデルを用いて実験を行い,一方,単一ステップ物体検出技術において,単一ショットマルチボックス検出器(SSD),SDDLite,およびyouだけを一度(YOLOv3)検出モデルを利用して検出を実行した。提案した方法論の性能を,2つのベンチマークデータセット,即ち,MB7500とTsinghua-Daimler Cycリストデータで評価した。実験結果は,Incept-Resnetv2バックボーンモデルを有するFaster-RCNNが,二段階物体検出技法を印象的に凌駕するが,一方,単一ステップ物体検出技術において,Incevinv2モデルによるSSDは優れた性能を示した。さらに,既存の最先端の手法と提案した方法論の性能比較により,2輪車検出におけるその有効性を確認した。Copyright King Fahd University of Petroleum & Minerals 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  ネットワーク ,  *オートバイ ,  検出法 ,  交通システム ,  交通事故 ,  コンピュータビジョン ,  ベンチマーク ,  死因 ,  オクルージョン
準シソーラス用語： 環境条件 ,  *車両検出 ,  物体検出 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 2輪車検出 ,  コンピュータビジョン ,  知的輸送システム ,  深層学習

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 段階 ,  深層学習 ,  モデル ,  2輪車