文献

J-GLOBAL ID：202202219512021032   整理番号：22A0439956

自然および都市環境における深層学習ベースの廃棄物検出【JST・京大機械翻訳】

Deep learning-based waste detection in natural and urban environments

著者 (7件)： Majchrowska Sylwia (Wroclaw University of Science and Technology, wybrzeze Stanislawa Wyspianskiego 27, 50-370 Wroclaw, Poland) ,  Mikolajczyk Agnieszka (Gdansk University of Technology, Gabriela Narutowicza 11/12, 80-233 Gdansk, Poland) ,  Ferlin Maria (Gdansk University of Technology, Gabriela Narutowicza 11/12, 80-233 Gdansk, Poland) ,  Klawikowska Zuzanna (Gdansk University of Technology, Gabriela Narutowicza 11/12, 80-233 Gdansk, Poland) ,  Plantykow Marta A. (Intel Technology Poland Sp. z o.o., Juliusza Slowackiego 173, 80-298 Gdansk, Poland) ,  Kwasigroch Arkadiusz (Gdansk University of Technology, Gabriela Narutowicza 11/12, 80-233 Gdansk, Poland) ,  Majek Karol (CuFiX, Legionowa 16, 05-270 Marki, Poland)
資料名： Waste Management (Kidlington)  (Waste Management (Kidlington))
巻： 138  ページ： 274-284  発行年： 2022年 
JST資料番号： B0898C  ISSN： 0956-053X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 廃棄物汚染は現代世界で最も重要な環境問題の1つである。リサイクルの重要性は,経済的および生態学的理由の両方に対してよく知られており,産業は高効率を要求する。自動廃棄物検出に対する現在の研究は,ベンチマークの欠如と使用基準とデータに関する広く受け入れられている基準のため,ほとんど比較できない。本論文では,既存の深層学習ベース廃棄物検出手法の10以上の既存廃棄物データセットと,短いが建設的なレビューの批判的分析を提供することにより,これらの問題に取り組んだ。本論文は,以前の研究を要約し,提示したデータセットに関する著者の実験結果を提供し,全て,リター検出のための最初の複製可能なベースラインを作成することを意図した。さらに,新しいベンチマークデータセット,すなわち,バイオ,ガラス,金属およびプラスチック,非リサイクル可能,他の,紙,および未知である,すべての可能な廃棄物カテゴリーをカバーする統一注釈を有する,上記のオープンソースデータセットからの統合収集物である,新しいベンチマークデータセット検出廃棄物および分類廃棄物を提案した。最後に,リター局在化と分類のための2段階検出器を示した。効率的なDet-D2を用いて,リターを局所化し,検出された廃棄物を7つのカテゴリーに分類するために,効率的なNet-B2を用いた。分類器は,ラベルなし画像の使用を半教師つき方式で訓練した。提案方法は,廃棄物検出における平均精度の70%まで,および試験データセットにおける分類精度の約75%を達成した。本研究で用いたコードと注釈は,オンラインで入手可能なオンライン1https://github.com/wimlds-trojmiasto/detect-wasteである。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ガラス ,  プラスチック ,  複製 ,  *廃棄物 ,  落葉落枝 ,  生態学 ,  ベンチマーク ,  *都市環境 ,  アノテーション
準シソーラス用語： 高効率 ,  環境問題 ,  オープンソース ,  オンライン ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： オブジェクト検出 ,  半教師つき学習 ,  廃棄物分類ベンチマーク ,  廃棄物検出ベンチマーク ,  廃棄物局在化 ,  廃棄物認識

分類 (2件)： 環境問題  (SA01020V) ,  廃棄物処理一般  (SC05010S)

タイトルに関連する用語 (3件)： 都市環境 ,  深層学習 ,  廃棄物