文献

J-GLOBAL ID：202102234909969459   整理番号：21A0256114

微小オブジェクト検出のためのニューラルネットワーク

著者 (3件)： 井田孝 (東芝 研究開発セ 知能化システム研 アナリティクスAIラボラトリー) ,  渡邉航 (東芝 研究開発セ 知能化システム研 アナリティクスAIラボラトリー) ,  小野利幸 (東芝 研究開発セ 知能化システム研 アナリティクスAIラボラトリー)
資料名： ViEWビジョン技術の実利用ワークショップ講演論文集(CD-ROM)  (ViEW講演論文集(CD-ROM))
巻： 2020  ページ： ROMBUNNO.IS1-03  発行年： 2020年11月24日 
JST資料番号： L4705C  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 画像に写った微小オブジェクトの検出のために,縮小せずに等倍で畳み込むことで入力画像の解像度を保持し,さらに,畳み込んだ画像の局所平均の最大値を出力することで微弱な異常信号を捉えるニューラルネットワークを提案する.人工画像を用いた評価実験を行い,提案方式において従来方式よりも高い検出精度が得られた.また,最後の畳み込みの特徴マップが,オブジェクトの位置を表すことを確認した.(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *物体認識 ,  *画像認識 ,  *画像分析 ,  高分解能 ,  畳込み ,  性能評価
準シソーラス用語： *画像解析 ,  高解像度

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

引用文献 (4件)：

• L. Liu, et al., “Deep Learning for Generic Object Detection: A Survey,” International Journal of Computer Vision, 128, pp.261-318, 2020.
• K. He, et al., “Deep Residual Learning for Image Recognition,” in CVPR 2016.
• B. Zhou, et al., “Learning Deep Features for Discriminative Localization,” in CVPR 2016.
• P. Bergmann, et al., “A Comprehensive Real-World Dataset for Unsupervised Anomaly Detection,” in CVPR 2019.

タイトルに関連する用語 (3件)： 微小 ,  オブジェクト検出 ,  ニューラルネットワーク