文献

J-GLOBAL ID：202102225005909743   整理番号：21A0009963

道路シーン分類におけるマルチラベルネットワークのための結合分類器【JST・京大機械翻訳】

Combined Classifier for Multi-label Network in Road Scene Classification

著者 (3件)： Duong Tin Trung (College of Information and Communication Engineering, SKKU,Suwon,Korea) ,  Nguyen Tien Phuoc (College of Information and Communication Engineering, SKKU,Suwon,Korea) ,  Jeon Jae Wook (College of Information and Communication Engineering, SKKU,Suwon,Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCE-Asia  ページ： 1-4  発行年： 2020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： 本論文では,道路シーンマルチラベル分類のための概念的に単純,柔軟で一般的な分類器を提示した。結合分類器と呼ばれるこの方法は,融合と積層戦略を用いて,単一ラベル分類器による主要なマルチラベル分類器を強化する。本モデルは,ボトルネックResnetV2-50[1],[2]をネットワークバックボーンとして,画像特徴抽出のための最先端(SOTA)アーキテクチャの1つである。各RGB入力画像(512×256)に対して,本モデルは,各ラベルグループに対して1つの特定のクラスを提供する:日,位置,および天候の時間。Berkeley DeepDrive Dataset(BDD100k)[3]に関するモデルを訓練し試験することにより,道路シーン理解のための一般的な大規模データセット,提案分類器は,マルチラベル分類問題に対する従来の分類器と比較して9%以上の精度を改善することができた。道路シーンデータセットに通常存在する不均衡問題を解くために,著者らは,[4]におけるクラスバランス(CB)焦点損失を適用した。全体として,著者らのモデルは,検証セットにおいて高精度を達成し,それは,時間クラス,位置クラス,天候クラスおよび全タイプクラスに対して,それぞれ98.11%,76.06%,69.38%および80.79%であった。分類器は,他のマルチラベル分類問題にも容易に適用でき,転送学習問題に対する効果的なアプローチである。Copyright 2021 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： 学習 ,  *ネットワーク ,  *道路 ,  計算機アーキテクチャ
準シソーラス用語： 天候 ,  マルチラベル分類 , 【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 (3件)： 道路 ,  シーン分類 ,  分類器