文献

J-GLOBAL ID：202102245489772400   整理番号：21A2529106

複数種類の未知オブジェクトのためのロバストな実時間検出と追跡フレームワーク【JST・京大機械翻訳】

A Robust Real-Time Detecting and Tracking Framework for Multiple Kinds of Unmarked Object

著者 (7件)： Lv Xiaodong (Beijing Advanced Innovation Center for Intelligent Robot and System, Beijing Institute of Technology, Beijing 100081, China) ,  Dai Chuankai (Beijing Advanced Innovation Center for Intelligent Robot and System, Beijing Institute of Technology, Beijing 100081, China) ,  Chen Luyao (School of Optical and Electronic Information, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Lang Yiran (Beijing Advanced Innovation Center for Intelligent Robot and System, Beijing Institute of Technology, Beijing 100081, China) ,  Tang Rongyu (Beijing Advanced Innovation Center for Intelligent Robot and System, Beijing Institute of Technology, Beijing 100081, China) ,  Huang Qiang (Beijing Advanced Innovation Center for Intelligent Robot and System, Beijing Institute of Technology, Beijing 100081, China) ,  He Jiping (Beijing Advanced Innovation Center for Intelligent Robot and System, Beijing Institute of Technology, Beijing 100081, China)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 1  ページ： 2  発行年： 2019年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： リアルタイムでマルチオブジェクトを自動的に検出し,追跡するために,また,深層学習(YOLO v3:Youのみ,Look 1回,v3),Kalmanフィルタ,改良型ハンガリーアルゴリズム,および9点位置補正アルゴリズムを組み合わせた,各オブジェクトの座標を自動検出および追跡するために,げっ歯類リアルタイム追跡フレームワークを提案した。Rat-YOLOのモデルを著者らの実験で訓練した。Kalmanフィルタモデルを加速モデルで確立し,次のフレームにおけるラットの位置を予測した。予測データを用いて,Rat-YOLOが現在のフレームで動作しないならば,ラットの損失位置を埋め,最後のフレームと現在のフレームの間のIDを関連づける。ハンガリー割当てアルゴリズムを用いて,最後のフレームのオブジェクトと現在のフレームのオブジェクトの間の関係を示し,オブジェクトのIDをマッチさせた。9点位置補正アルゴリズムを提示して,Rat-YOLO結果の正当性と予測結果を調整した。深層学習の訓練は,著者らの実験より多くのデータセットを必要とするので,手動マーキングを処理するのに時間がかかり,ラベル付きデータセットを生成する自動ソフトウェアを固定場面の下で提案して,ラベル付きデータセットをそれらの正当性に関して手動で確かめる。これ以外に,オフライン実験で,マスクをハイライトを除去するために提示する。この実験では,訓練データセットとしてデータの500フレームを選択し,これらの画像を自動ラベル生成ソフトウェアでラベル付けした。ビデオ(2892フレーム)を訓練されたラットモデルによってテストして,すべての3匹のラットを検出する精度はおよそ72.545%であった,しかし,Kalmanフィルタと9ポイント位置補正演算を結合するラット-YOLOは95.194%の精度を改良した。Copyright 2021 The Author(s) 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 ,  マーキング ,  ラット ,  ハンガリー ,  演算 ,  録画装置 ,  齧歯類 ,  ソフトウェア ,  Kalmanフィルタ ,  *ロバスト性
準シソーラス用語： 訓練データ ,  自動検出 ,  ハイライト ,  位置補正 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： ラット-ヨーグルト ,  Kalmanフィルタ ,  9点位置補正 ,  自動生成ラベルデータセット ,  ハイライト除去

分類 (5件)： パターン認識  (JE07000S) ,  計測機器一般  (AD02000X) ,  数値計算  (JE02000J) ,  通信網  (ND07030A) ,  ロボットの運動・制御  (IC04012J)

引用文献 (40件)：

• Foster, J.D.; Freifeld, O.; Nuyujukian, P.; Ryu, S.I.; Black, M.J.; Shenoy, K.V. Combining wireless neural recording and video capture for the analysis of natural gait. In Proceedings of the 2011 5th International IEEE/EMBS Conference on Neural Engineering, Cancun, Mexico, 27 April-1 May 2011; pp. 613-616.
• Zhang, P.; Huang, J.; Li, W.; Ma, X.; Yang, P.; Dai, J.; He, J. Using high frequency local field potentials from multi-cortex to decode reaching and grasping movements in monkey. IEEE Trans. Cognit. Dev. Syst. 2018, 11, 270-280.
• Guy, A.P.; Gardner, C.R. Pharmacological characterisation of a modified social interaction model of anxiety in the rat. Neuropsychobiology 1985, 13, 194-200.
• Horner, R.H.; Carr, E.G.; Strain, P.S.; Todd, A.W.; Reed, H.K. Problem Behavior Interventions for Young Children with Autism: A Research Synthesis. J. Autism Dev. Disord. 2002, 32, 423-446.
• Peters, S.M.; Pinter, I.J.; Pothuizen, H.H.J.; de Heer, R.C.; van der Harst, J.E.; Spruijt, B.M. Novel approach to automatically classify rat social behavior using a video tracking system. J. Neurosci. Methods 2016, 268, 163-170.

タイトルに関連する用語 (5件)： オブジェクト ,  ロバスト ,  実時間 ,  追跡 ,  フレームワーク