文献

J-GLOBAL ID：202102250234407413   整理番号：21A0493238

オクルージョン関係モジュールを埋め込んだSSDモデルの電線画像金具検出【JST・京大機械翻訳】

Fittings detection in transmission line images with SSD model embedded occlusion relation module

著者 (5件)： Zhao Zhenbing (華北電力大学電气与電子工程学院,河北保定071003) ,  Jiang Aixue (華北電力大学電气与電子工程学院,河北保定071003) ,  Qi Yincheng (華北電力大学電气与電子工程学院,河北保定071003) ,  Zhang Wei (華北電力大学電气与電子工程学院,河北保定071003) ,  Zhao Wenqing (華北電力大学控制与計算机工程学院,河北保定071003)
資料名： Zhineng Xitong Xuebao  (Zhineng Xitong Xuebao)
巻： 15  号： 4  ページ： 656-662  発行年： 2020年 
JST資料番号： C2755A  ISSN： 1673-4785  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： 深さ学習目標検出モデルの精度を改善するために,金具検出データセットにおける金具ターゲットのタグ付け枠間の交差が,金具ターゲット検出の不正確な位置決めに不正確であるという問題を,本論文で提案した。金具ターゲットの文脈情報として,交差領域の類似性を用いて,目標間の遮蔽関係の記述法を提案し,そして,画像中のゴール間の相互遮蔽を規則的に記述し,そして,遮蔽関係モジュールを設計した。それを単一マルチフレーム検出器(singleshotmultiboxdetector,SSD)モデルに埋め込んだ。埋め込みオクルージョン関係モジュールのSSDモデルの有効性を検証するため、8種類の目標マーキング枠が普遍的に交差する小目標金具を選択し、実験に用いた金具検査データセットの訓練セットとテスト集中金具目標数はそれぞれ6271と1713であった。実験結果は,オリジナルのSSDモデルの平均精度平均(meanaverageprecision,mAP)が72.10%であり,埋め込みオクルージョン関係モジュールのSSDモデルのmAPが76.56%であり,性能が4.46%向上したことを証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： マーキング ,  *電線 ,  検出器 ,  類似性 ,  有効性 ,  金具 ,  *オクルージョン
準シソーラス用語： 文脈情報 ,  タグ付 ,  ターゲット検出 , 【Automatic Indexing@JST】

分類 (1件)： 計算機シミュレーション  (JE11000H)

タイトルに関連する用語 (6件)： オクルージョン ,  モジュール ,  SSD ,  モデル ,  電線 ,  金具