空中画像におけるオブジェクト検出のためのYOLOv4の解析と適応【JST・京大機械翻訳】

Samyal Aryaman Singh; R Akshatha K; Hans Soham; K Karunakar A; B Satish Shenoy

プレプリント

J-GLOBAL ID：202202200904246046 整理番号：22P0306844

空中画像におけるオブジェクト検出のためのYOLOv4の解析と適応【JST・京大機械翻訳】

Analysis and Adaptation of YOLOv4 for Object Detection in Aerial Images

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月18日プレプリントサーバーでの情報更新日： 2022年03月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

様々なコンピュータビジョンタスクのための無人機(UAV)展開における最近のおよび急速な成長は,それらをより効果的で貴重なものにするために,多くの機会の道を開いた。空中画像における物体検出は,外観,姿勢,およびスケールの変化のために挑戦的である。自律空中飛行システムは,リアルタイムアプリケーションのための,それらの継承された限られたメモリと計算の電力要求の正確で計算効率の良い検出アルゴリズムを有する。本研究は,高精度と推論速度を有する空中画像におけるオブジェクトとその位置を予測するためのポピュラーなYOLOv4フレームワークの適応を示した。VisDone DET空中物体検出データセット上のモデルの高速収束のための転送学習を利用した。訓練されたモデルは,Tesla K80 GPU上で8.7FPSに達する推論速度で45.64%の平均精度(mAP)をもたらし,切頭および閉塞物体の検出において非常に正確であった。性能に対するネットワーク解像度サイズと訓練期間の変化の影響を実験的に評価した。いくつかの現代の空中物体検出器による比較研究は,YOLOv4がよりよく実行して,空中プラットフォームに取り込むためのより適切な検出アルゴリズムを意味することを証明した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

, , ,

前のページに戻る