文献

J-GLOBAL ID：202102227599467221   整理番号：21A1722960

海上船舶に対する一般的と属性固有の深層表現

Generic and attribute-specific deep representations for maritime vessels

著者 (4件)： Solmaz Berkan (Aselsan Research Center, Ankara, Turkey) ,  Gundogdu Erhan (Aselsan Research Center, Ankara, Turkey) ,  Yucesoy Veysel (Aselsan Research Center, Ankara, Turkey) ,  Koc Aykut (Aselsan Research Center, Ankara, Turkey)
資料名： IPSJ Transactions on Computer Vision and Applications (Web)  (IPSJ Transactions on Computer Vision and Applications (Web))
巻： 9  号： 1  ページ： 1-18  発行年： 2017年 
JST資料番号： U0116A  ISSN： 1882-6695  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： 最近,自動車,鳥類,および航空機のような特定の物体の分類のためのラベル付きデータセットの量が増えたので,細粒度視覚的分類が大きな注目を集めている。大規模データセットのアベイラビリティは,いくつかのビジョンベース分類タスクにおいて顕著な性能改善をもたらす。海上船舶の視覚的分類は,もう1つの重要なタスクであり,海軍のセキュリティと監視アプリケーションを支援する。2百万のユーザアップロード画像と,コミュニティウェブサイトから収集された,船舶識別,タイプ,カテゴリー,築年,長さ,およびトン数を含む,それらの様々な属性からなる海上船舶に対する大規模画像データセットであるMARVELを紹介した。その画像は船舶タイプクラスに分類され,また,半自動クラスタリングスキームに従って,意味的に類似なクラスを結合することによって定義された上位クラスに分類された。提示されたデータセットの解析のため,いくつかの潜在的に有用な応用,すなわち,船舶タイプ分類,識別検証,検索,および事前船舶タイプ知識の有りまたは無しの識別認識を含む広範な実験を行った。さらに,規模,方向,または位置のような付加的な手がかりを与えずに,出回っている視覚的内容だけを解釈することによって,全長,夏の載貨重量トン,喫水,および総トン数のような海上船舶属性を予測し,分類するような視覚的海洋監視の興味深い問題を試みた。海上船舶に対する一般的と属性固有の深層表現を利用することによって,前述の応用に対して有望な結果を得た。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.

シソーラス用語： *船舶 ,  *機械学習 ,  分類 ,  粒度 ,  *集合 ,  クラスタ化 ,  *視認
準シソーラス用語： クラスタリング ,  画像分類 ,  *海上船舶 ,  細粒度 ,  *視覚的識別 ,  *深層学習 ,  *大規模データセット

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

引用文献 (37件)：

• Int J Comput Vis (IJCV); ImageNet large scale visual recognition challenge; O Russakovsky, J Deng, H Su, J Krause, S Satheesh, S Ma, Z Huang, A Karpathy, A Khosla, M Bernstein, AC Berg, L Fei-Fei; 115; 3; 2015; 211-252; 10.1007/s11263-015-0816-y; citation_id=CR1
• Imagenet classification with deep convolutional neural networks; Proceedings of the 25th International Conference on Neural Information Processing Systems - Volume 1; 2012; 1097-1105; CR2; A Krizhevsky, I Sutskever, GE Hinton; citation_publisher=Curran Associates Inc.
• Lin D, Shen X, Lu C, Jia J (2015) Deep lac: Deep localization, alignment and classification for fine-grained recognition In: 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 1666-1674. doi: 10.1109/CVPR.2015.7298775 .
• Xie S, Yang T, Wang X, Lin Y (2015) Hyper-class augmented and regularized deep learning for fine-grained image classification In: 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2645-2654. doi: 10.1109/CVPR.2015.7298880 .
• Liu L, Shen C, van den Hengel A (2015) The treasure beneath convolutional layers: Cross-convolutional-layer pooling for image classification In: 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 4749-4757. doi: 10.1109/CVPR.2015.7299107 .

タイトルに関連する用語 (5件)： 海上船舶 ,  属性 ,  固有 ,  深層 ,  表現