文献

J-GLOBAL ID：202102214551921001   整理番号：21A0170118

空中画像におけるクラスタリングアルゴリズム適応探索領域を用いたオブジェクト検出【JST・京大機械翻訳】

Object Detection Using Clustering Algorithm Adaptive Searching Regions in Aerial Images

著者 (3件)： Wang Yi (School of Mathematics and Statistics, Xidian University, Xi’an, China) ,  Yang Youlong (School of Mathematics and Statistics, Xidian University, Xi’an, China) ,  Zhao Xi (School of Mathematics and Statistics, Xidian University, Xi’an, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12538  ページ： 651-664  発行年： 2021年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： 航空画像は,交通監視,歩行者追跡,およびインフラストラクチャ検査のような重要なタスクのためにますます使用されている。しかし,空中画像には以下の主要な課題がある。1)不均一分布を有する小さな物体;2)物体サイズの大きな違い。本論文では,これらの課題を解決するために,新しいネットワークアーキテクチャ,クラスタ領域推定ネットワーク(CRENet)を提案した。CRENetは,高密度オブジェクトを含むクラスタ領域を探索するためにクラスタリングアルゴリズムを使用し,検出器はバックグラウンド干渉を減らし,検出効率を改善するために,これらの領域に焦点を合わせる。しかしながら,あらゆるクラスタ領域が精度利得をもたらすことができないので,各々のクラスタ領域困難スコアを,困難な領域をマイニングして,単純なクラスタ領域を取り除くために計算して,それは検出をスピードアップすることができた。次に,Gaussスケーリング関数(GSF)を用いて,物体サイズの差を減らすために,困難なクラスタ領域をスケールした。著者らの実験は,CRENetがVisDoneデータセットに関する以前のアプローチより良い性能を達成することを示した。最良のモデルはVisDoneデータセットで4.3[数式:原文を参照]の改善を達成した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 干渉 ,  ネットワーク ,  *クラスタ ,  利得 ,  検出器 ,  インフラストラクチャー ,  検出効率 ,  ネットワークアーキテクチャ
準シソーラス用語： スケーリング関数 ,  *物体検出 ,  体サイズ ,  高密度 ,  *クラスタリングアルゴリズム ,  *空中画像 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 空中画像 ,  クラスタリングアルゴリズム ,  適応 ,  探索 ,  オブジェクト検出