文献

J-GLOBAL ID：202102234725396185   整理番号：21A0088214

並列画像に基づく目標認識フレームワークと学習モード【JST・京大機械翻訳】

Target Recognition Framework and Learning Mode Based on Parallel Images

著者 (6件)： Yin Zihui (Ltd. Maintenance Branch, Shijiazhuang, China) ,  Meng Rong (Ltd. Maintenance Branch, Shijiazhuang, China) ,  Zhao Zhilong (Ltd. Maintenance Branch, Shijiazhuang, China) ,  Yin He (Ltd. Maintenance Branch, Shijiazhuang, China) ,  Hu Zhedong (Department of Automation, North China Electric Power University, Baoding, China) ,  Zhai Yongjie (Department of Automation, North China Electric Power University, Baoding, China)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1314  ページ： 181-192  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  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： 大規模データセットに基づく深層学習アルゴリズムの応用において,不十分なサンプル,不完全なサンプル品質,および大規模データセットの建設のコストのようないくつかの問題点は,アルゴリズム性能を明らかにして,制限する。本論文では,並列画像に基づくターゲット認識フレームワークと学習モードを提案して,応用検証を用例として送電線における碍子ターゲット認識を取ることによって実行した。本論文は,人工画像生成技術を使用して,碍子データセットNCEPU-Jを確立して,次に,ターゲット認識フレームワークPITRと3つの学習モード,すなわち,OriPITR,TrsPITR,およびMutiPITRを提案する。7,11および14の部品数を有する碍子ストリングを検証し,認識精度を大幅に改善した。結果は,並列画像に基づくターゲット認識フレームワークと学習モードが実行可能で有効であることを示した。Copyright Springer Nature Singapore Pte Ltd. 2020 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 ,  *学習 ,  送電線 ,  碍子 ,  *物体認識 ,  画像合成 ,  深層 ,  学習アルゴリズム ,  絶縁体
準シソーラス用語： 用例 ,  認識精度 ,  大規模データセット , 【Automatic Indexing@JST】

著者キーワード (3件)： 絶縁体認識 ,  並列画像 ,  PITR(並列画像に基づくターゲット認識)

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 目標認識 ,  フレームワーク ,  学習