文献

J-GLOBAL ID：202102226530539372   整理番号：21A0893966

畳込みニューラルネットワークカスケードに基づく個人服コード検出アルゴリズム【JST・京大機械翻訳】

Personnel dress code detection algorithm based on convolutional neural network cascade

著者 (5件)： Na Zhang (Zhejiang Sci-Tech University,School of Information Science and Technology,Zhejing,China) ,  Zechuan Yu (Zhejiang Sci-Tech University,School of Information Science and Technology,Zhejing,China) ,  You Huang (Zhejiang Sci-Tech University,School of Information Science and Technology,Zhejing,China) ,  Xiaoan Bao (Zhejiang Sci-Tech University,School of Information Science and Technology,Zhejing,China) ,  Yifan Su (Zhejiang Sci-Tech University,School of Information Science and Technology,Zhejing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： MLBDBI  ページ： 215-221  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： 統一された人員管理システムの不足の問題点と映画の経営における手動監督の困難さを解決するために,本論文は,畳み込みニューラルネットワークカスケードに基づく人員ドレスコード検出アルゴリズムを提案した。アルゴリズムは,ターゲットオブジェクトを検出するためにカスケードに2つのRetinanetネットワークモデルを使用する。第1のネットワークモデルは,大きな目標物を検出し,第2のネットワークモデルは,人員の衣服の目標物を検出するために,検出した人員ターゲットオブジェクトに関する二次検出を実行する。同時に,深い分離可能な畳み込み層を用いて,ネットワークモデルのパラメータの数を減らし,アルゴリズムの検出率を改善する,Retinantネットワークモデルのバックボーンネットワークにおける従来の畳込み層を置換する。最後に,改良回帰損失関数LIoUを提案して,アルゴリズムの検出精度をさらに改善した。実験結果は,収集したデータセットに関して,本論文におけるアルゴリズムの平均検出精度(mAP)が56.9%に達して,検出時間がフレーム当たり0.083秒であることを示した。そして,同じ検出率で,平均検出精度は,単一ネットワークモデルの使用と比較して4.9%改善された。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： *アルゴリズム ,  *畳込み ,  管理システム ,  損失関数 ,  衣服 ,  基幹回線
準シソーラス用語： ネットワークモデル ,  検出率 ,  検出精度 ,  *検出アルゴリズム ,  *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 (4件)： 畳込みニューラルネットワーク ,  カスケード ,  個人 ,  検出アルゴリズム