抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
交通量を測定するために使用されるほとんどすべての視覚技術は,追跡と検出を含む2段階手順を使用する。YOLOとFast-RCNNのようなオブジェクト検出アルゴリズムを,車両の検出に首尾よく適用した。車両の追跡は,以前のビデオフレームに現れる車両を,その後のフレームにおけるそれらの外観に追跡できる追加のアルゴリズムを必要とする。この2段階アルゴリズムは,フィールドで優勢であるが,訓練,試験,および評価の実質的な計算資源を必要とする。本研究では,訓練のためのラベル付きデータを必要としないオートエンコーダに基づく簡単なアルゴリズムを考案した。自動エンコーダを,教師なし方法で画像上に置かれた仮想線の画素強度に関して訓練した。自動エンコーダの前者の符号化部分の最終隠れノードは,車両が通過しているかどうかを判断するために使用できるスカラー信号を生成する。複雑な車両画像とバックグラウンドの元の入力写真を,自動車の存在を判断する際に自動エンコーダの性能を強化する簡単な説明入力画像に変換するために,サイクル一貫した生成敵対ネットワーク(CycleGAN)を用いた。提案モデルはYOLOベースモデルよりも遥かに軽く,速く,提案モデルの精度はYOLOベースモデルと同等か,またはそれ以上であった。交通量測定において,提案した手法は精度と効率の両方に関してロバストであることが判った。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】