文献

J-GLOBAL ID：202202217007289551   整理番号：22A0753885

CLAHEベースの画像強調とResNet CNNアーキテクチャを用いた効率的な交通標識認識【JST・京大機械翻訳】

Efficient Traffic Sign Recognition Using CLAHE-Based Image Enhancement and ResNet CNN Architectures

著者 (2件)： Dubey Utkarsh (Malaviya National Institute of Technology, Jaipur, India) ,  Kumar Chaurasiya Rahul (Maulana Azad National Institute of Technology, Bhopal, India)
資料名： International Journal of Cognitive Informatics and Natural Intelligence  (International Journal of Cognitive Informatics and Natural Intelligence)
巻： 15  号： 4  ページ： 1-19  発行年： 2022年 
JST資料番号： W3858A  ISSN： 1557-3958  資料種別： 逐次刊行物 (A)
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： 道路上の交通標識と他の多数の表示の認識と分類は,道路上の自律運転,ナビゲーション,および安全システムにとって非常に重要である。機械学習または深層学習法は,一般的にトラヒック符号認識(TSR)システムを開発するために採用される。本論文では,マルチクラス分類器としてコントラスト制限適応ヒストグラム等化(CLAHE)ベース画像強調と畳込みニューラルネットワーク(CNN)から成る新しい2段階TSRアプローチを提案した。3つのCNNアーキテクチャ;LeNet,VggNet,およびResNetを分類のために採用した。すべての方法を,ドイツ交通標識認識ベンチマーク(GTSRB)データセットの分類のためにテストした。本論文に示した実験結果は,提案した作業の能力を支持した。実験結果に基づき,CLAHEベースの画像強調とResNetベースの分類器から成る提案した新しいアーキテクチャは,他の類似の手法と比較して,より良い分類精度を得るのに役立った。Copyright 2022 IGI Global All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コントラスト ,  自動化 ,  *交通標識 ,  道路 ,  ニューラルネットワーク ,  認識 ,  *画像 ,  等化 ,  *画像強調 ,  ベンチマーク ,  *計算機アーキテクチャ ,  セキュリティシステム ,  機械学習
準シソーラス用語： ヒストグラム等化 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (8件)： 自動化 ,  深層学習 ,  CLAHE ,  CNNアーキテクチャ ,  畳込みニューラルネットワーク ,  ヒストグラム等化 ,  画像等化 ,  交通標識認識

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

タイトルに関連する用語 (4件)： 画像強調 ,  CNN ,  アーキテクチャ ,  交通標識