文献

J-GLOBAL ID：202102243860071644   整理番号：21A0397719

改良SSDアルゴリズムの多目的検出【JST・京大機械翻訳】

Multi-target Detection Based on Improved SSD Algorithm

著者 (7件)： Ma Yuandong (貴州財経大学 信息学院,貴陽 550025;北京盛開互動科技有限公司,北京 100089) ,  Luo Zijiang (貴州財経大学 信息学院,貴陽 550025) ,  Ni Zhaofeng (貴州財経大学 信息学院,貴陽 550025;北京盛開互動科技有限公司,北京 100089) ,  Xu Bin (北京盛開互動科技有限公司,北京 100089) ,  Wu Fengjiao (貴州財経大学 信息学院,貴陽 550025) ,  Sun Shouyu (貴州財経大学 信息学院,貴陽 550025;北京盛開互動科技有限公司,北京 100089) ,  Yang Xiuzhang (貴州財経大学 信息学院,貴陽 550025)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 56  号： 23  ページ： 23-30  発行年： 2020年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ターゲット検出はコンピュータビジョンの核心として、顔認識、顔追跡、大規模シーン識別などの方面で幅広く応用されており、そのうちOne-stage領域のSSDアルゴリズムは検出速度と検出性能が比較的際立っている。しかし、環境が比較的複雑な多目標検出状況において、誤検と漏れ検査がまだ発生する。この問題を解決するために,改良SSDアルゴリズムを提案して,SSDの内部ネットワークを最適化して,サンプル適用性を改良することによって,検出性能を改善した。その中、ネットワーク出力を修正し、抗回転層ARConvを追加し、ネットワーク構造を統一し、モデル訓練時間を短縮し、漏れ検査を減少する。また,P-NMSアルゴリズムと制限関数を用いて訓練サンプルを最適化し,誤検出を低減した。テスト段階において,一枚の画像バッチ試験方法を提案し,モデルの再現率を改善した。実験結果は,改良アルゴリズムがよりロバストであり,誤り検出と漏れ検出率を効果的に減少できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  ネットワーク ,  適応性 ,  ネットワーク構造 ,  誤り検出 ,  コンピュータビジョン ,  ロバスト性
準シソーラス用語： 試験方法 ,  誤検出 ,  検出能 ,  再現率 ,  検出率 ,  ターゲット検出 ,  顔貌認識 , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  システム最適化手法  (IA02050Z)

タイトルに関連する用語 (2件)： SSD ,  アルゴリズム