文献

J-GLOBAL ID：202202215835011329   整理番号：22A0979079

高速R-CNNに基づく不均衡データ集合の検出の有効性に関する研究【JST・京大機械翻訳】

A Study on the Effectiveness of Detection of Unbalanced Datasets Based on Faster R-CNN

著者 (3件)： Cai Delong (Dongguan University of Technology,School of Computer Science and Technology,Dongguan,China) ,  Zhang Zhaoyun (Dongguan University of Technology,School of Electrical Engineering & Intelligentization,Dongguan,China) ,  He Guanfeng (Dongguan University of Technology,School of Computer Science and Technology,Dongguan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： CPEEE  ページ： 321-326  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Faster R-CNNターゲット検出タスクにおいて,異なる種類のデータセットの不均衡分布がモデルの認識効果にどのように影響するかの問題に取り組むために,研究スキームを提案して,データセット組合せの2つの異なる比率を用いてモデルを訓練し,2つの比率は,それぞれ1:1と1:2であった。本論文では,電気機器,抗振動ハンマーおよび碍子における2種類のオブジェクトを,研究対象として取り上げ,そして,データ処理後のデータセットの各タイプ,データセットを,2つの異なる比率セットに従って組み合わせ,そして,次に,認識効果を得るために,訓練のためのモデルに入れた。実験結果は,Epoch=40,000において,アンチ振動ハンマーと碍子のデータセットの比率が1:2または2:1であるとき,訓練されたモデルのAP(TABLE Iにおいて示される)は,データの小さい割合を有するカテゴリーに対して,非常に高く,そして,不均衡データ分布によって訓練されたモデルのAPは,1:1のデータセットの2つのカテゴリーの比率によって訓練されたモデルのAPと比較して不安定であることを示した。実際の検出タスクでは,「偽検出」や「誤検出」を引き起こすことが容易である。データ不均衡問題に基づいて,データセットのアンダーサンプリングとオーバーサンプリングのようなデータ処理法を提案した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *碍子 ,  データ処理 ,  有効性
準シソーラス用語： オーバサンプリング ,  不均衡 ,  誤検出 ,  アンダーサンプリング ,  ターゲット検出 ,  ハンマ ,  電気機器 ,  データ処理法 ,  *不均衡データ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： CNN ,  均衡 ,  データ集合 ,  有効性 ,  研究