文献

J-GLOBAL ID：202102252908653987   整理番号：21A0578789

スケール解析による空間ピラミッドプーリングに基づく交通標識認識のための深層学習【JST・京大機械翻訳】

Deep Learning for Traffic Sign Recognition Based on Spatial Pyramid Pooling with Scale Analysis

著者 (7件)： Tai Shao-Kuo (Department of Information Management, Chaoyang University of Technology, Taichung City 41349, Taiwan) ,  Dewi Christine (Department of Information Management, Chaoyang University of Technology, Taichung City 41349, Taiwan) ,  Dewi Christine (Faculty of Information Technology, Satya Wacana Christian University, Salatiga 50711, Indonesia) ,  Chen Rung-Ching (Department of Information Management, Chaoyang University of Technology, Taichung City 41349, Taiwan) ,  Liu Yan-Ting (Department of Information Management, Chaoyang University of Technology, Taichung City 41349, Taiwan) ,  Jiang Xiaoyi (Department of Mathematics and Computer Science, University of Muenster, D-48149 Muenster, Germany) ,  Yu Hui (School of Creative Technologies, The University of Portsmouth, Portsmouth PO1 2UP, UK)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 19  ページ： 6997  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  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： 交通信号検出(TSD)法の分野で,深い学習が実行され,優れた性能を達成した。交通サインの検出は,運転者の監視と指示において二重機能を持つので,運転者支援システムにとって大きな関心事である。自律車両システムのコア特徴は,交通サインの同定である。本論文は,禁止的サインに焦点を合わせた。目的は実時間で検出して,処理時間をかなり短縮することである。本研究では,機能性の抽出のためにYoo V3sバックボーンネットワークをブーストするために,空間ピラミッドプール(SPP)原理を実行した。本研究では,マルチスケールオブジェクト特徴のより包括的な学習のためにSPPを用いた。次に,種々のスケールにわたるYoo V3とYoo V3 SPPの比較調査を行い,プロ抑制サインを認識した。Yoo V3 SPPモデルとの比較は,それらの平均精度(mAP)がYoo V3より高いことを明らかにした。さらに,試験精度の知見は,Yoo V3 SPPモデルが,異なるサイズのYoo V3よりも良好に機能することを示した。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： 信号検出 ,  加工時間 ,  *交通標識 ,  基幹回線
準シソーラス用語： 物体検出 ,  運転者支援システム ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： TSD ,  オブジェクト検出 ,  TSR ,  Yolo V3 ,  SPP ,  スケール解析

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

引用文献 (56件)：

• Arcos-García, Á.; Álvarez-García, J.A.; Soria-Morillo, L.M. Evaluation of deep neural networks for traffic sign detection systems. Neurocomputing 2018, 316, 332-344.
• Nagpal, R.; Paturu, C.K.; Ragavan, V.R.; Navinprashath, R.; Bhat, R.; Ghosh, D. Real-time traffic sign recognition using deep network for embedded platforms. Electron Imaging 2019, 2019, 33-1-33-8.
• Kaplan, A.M.; Haenlein, M. Users of the world, unite! The challenges and opportunities of Social Media. Bus. Horiz. 2010, 53, 59-68.
• Qian, X.; Feng, H.; Zhao, G.; Mei, T. Personalized Recommendation Combining User Interest and Social Circle. IEEE Trans. Knowl. Data Eng. 2013, 26, 1763-1777.
• Girshick, R.; Donahue, J.; Darrell, T.; Malik, J.; Malik, J. Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation. In Proceedings of the 2014 IEEE Conference on Computer Vision and Pattern Recognition, Columbus, OH, USA, 23-28 June 2014; pp. 580-587.

タイトルに関連する用語 (5件)： スケール ,  解析 ,  ピラミッド ,  交通標識 ,  深層学習