文献

J-GLOBAL ID：202102223083898307   整理番号：21A2712479

トンネル道路環境における深層学習技術を用いた車両検出【JST・京大機械翻訳】

Vehicle Detection Using Deep Learning Technique in Tunnel Road Environments

著者 (1件)： Kim JongBae (Department of Software Engineering, Sejong Cyber University, Seoul 05000, Korea)
資料名： Symmetry (Web)  (Symmetry (Web))
巻： 12  号： 12  ページ： 2012  発行年： 2020年 
JST資料番号： U7282A  ISSN： 2073-8994  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本論文では,トンネル道路上の実時間で走行する自動車の実時間検出法を提案した。一般的な道路環境と異なり,トンネル環境は不規則であり,トンネル照明と駆動車両から反射された光を含む照明が有意に低かった。環境制限は,自動車排気ガスによる汚染のために大きい。提案手法では,深層学習技術を用いてあらかじめ学習されたトンネル画像における車両に対して実時間検出手法を用いた。トンネル環境における車両領域を検出するために,輝度平滑化とノイズ除去プロセスを実施した。車両領域は,グラウンドトルース法を用いて学習画像を生成する後に学習される。深層学習アルゴリズムの性能と比較して,最適性能を有するYOLO v2モデルを適用した。訓練パラメータを実験によって精密化した。車両検出率は約87%であり,一方,検出精度は様々なトンネル道路環境に適用した提案方法に対して約94%であった。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  自動車 ,  *道路 ,  輝度 ,  平滑化 ,  検出法 ,  精密化 ,  雑音低減 ,  深層 ,  学習アルゴリズム ,  自動車排出ガス
準シソーラス用語： *車両検出 ,  実時間 ,  グランドトゥルース ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 先進運転者支援システム(ADAS) ,  知的輸送システム(ITS) ,  車両検出 ,  トンネル道路環境

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

引用文献 (27件)：

• Butakov, V.A.; Ioannou, P. Personalized Driver/Vehicle Lane Change Models for ADAS. IEEE Trans. Veh. Technol. 2015, 64, 4422-4431.
• Li, L.; Wen, D.; Zheng, N.-N.; Shen, L.-C. Cognitive Cars: A New Frontier for ADAS Research. IEEE Trans. Intell. Transp. Syst. 2011, 13, 395-407.
• Noy, I.Y.; Shinar, D.; Horrey, W.J. Automated driving: Safety blind spots. Saf. Sci. 2018, 102, 68-78.
• Xing, Y.; Lv, C.; Wang, H.; Wang, H.; Ai, Y.; Cao, D.; Velenis, E.; Wang, F.-Y. Driver Lane Change Intention Inference for Intelligent Vehicles: Framework, Survey, and Challenges. IEEE Trans. Veh. Technol. 2019, 68, 4377-4390.
• Al-Sultan, S.; Al-Bayatti, A.H.; Zedan, H. Context-aware driver behavior detection system in intelligent transportation systems. IEEE Trans. Veh. Technol. 2013, 62, 4264-4275.

タイトルに関連する用語 (4件)： トンネル ,  道路環境 ,  深層学習 ,  車両検出