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。
自己駆動車両の知覚モジュールの重要な構成要素としての交通光認識は,インテリジェント輸送システムにおいて重要な役割を果たす。一般的深層学習ベースのトラフィック光認識方法は,訓練データの大量のおよび豊富な多様性に,大いにヒンジをつけた。しかし,フラッシュ,停電または極端な天候のような様々な希少シナリオにおけるデータを収集することは非常に困難であり,その結果,訓練データの不均衡な分布およびその結果,希少クラスの認識における劣化性能をもたらした。本論文では,データ合成によるトラフィック光認識の改善を試みた。生成敵対ネットワーク(GAN)に触発されて,自律運転のための交通光認識を改善するために,希少クラスのデータを合成するために,新しいトラフィック光生成アプローチTL-GANを提案する。TL-GANは,画像合成と配列組立への光シーケンス生成を解消する。画像合成段階において,提案アプローチは,生成されたトラフィック光画像の色を完全に制御することを可能にする条件付き生成を可能にする。配列組立段階において,著者らは,現実的で多様なトラフィック光シーケンスを合成するために,スタイル混合と適応テンプレートを設計した。広範な実験により,提案したTL-GANは,生成データを用いずに,ベースラインに対して顕著な改善を与え,一般的画像合成およびデータ不均衡タックリングに使用される競合アルゴリズムと比較して最先端の性能をもたらすことを示した。【JST・京大機械翻訳】