文献

J-GLOBAL ID：202202217618619716   整理番号：22A0498433

マルチグラフィック処理ユニットを用いた屋内オブジェクト検出システム実装【JST・京大機械翻訳】

Indoor objects detection system implementation using multi-graphic processing units

著者 (3件)： Afif Mouna (Laboratory of Electronics and Microelectronics (EμE), Faculty of Sciences of Monastir, University of Monastir, Monastir, Tunisia) ,  Ayachi Riadh (Laboratory of Electronics and Microelectronics (EμE), Faculty of Sciences of Monastir, University of Monastir, Monastir, Tunisia) ,  Atri Mohamed (College of Computer Science, King Khalid University, Abha, Saudi Arabia)
資料名： Cluster Computing  (Cluster Computing)
巻： 25  号： 1  ページ： 469-483  発行年： 2022年 
JST資料番号： W4172A  ISSN： 1386-7857  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 屋内物体検出と認識は,コンピュータ科学と人工知能分野で重要な役割を果たす。このタスクは,特にブラインドおよび視覚障害者(VIP)支援ナビゲーションにとっても重要な役割を果たす。この問題に取り組むために,本論文では,深層学習アルゴリズムに基づく新しい屋内物体検出システムを開発した。残念ながら,このタイプのアルゴリズムは重い計算資源とエネルギー消費を必要とする。この問題に対処するために,提案システムのCUDAマルチGPUフレームワーク実装を提案した。一般に,深層学習ベースアルゴリズムは,ネットワークを訓練し試験するために膨大な量のデータを必要とする。ブラインドとVIPナビゲーションのために高度に推奨される25の屋内ランドマークオブジェクトを含む11,000の屋内画像から成る新しい屋内データセットを開発することを提案した。得られた結果に基づいて,開発したシステムは検出精度および処理時間に関して大きな効率を示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  加工時間 ,  ネットワーク ,  計算機科学 ,  人工知能 ,  エネルギー消費 ,  深層 ,  視覚障害者 ,  学習アルゴリズム
準シソーラス用語： *物体検出 ,  *GPU【プロセッサ】 ,  計算資源 ,  検出精度 ,  CUDA ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 並列計算 ,  深層学習 ,  GPU実装 ,  支援ナビゲーション ,  深層畳込みニューラルネットワーク(DCNN) ,  屋内物体検出

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： マルチ ,  グラフィック処理ユニット ,  屋内 ,  オブジェクト検出 ,  実装