文献

J-GLOBAL ID：202202222410272709   整理番号：22A1104288

公共輸送における人々計数のための深層学習法の利用【JST・京大機械翻訳】

Use of Deep Learning Methods for People Counting in Public Transport

著者 (4件)： Baumann Daniel (Institute for Information Processing Technologies (ITIV), Karlsruhe Institute of Technology (KIT),Karlsruhe,Germany,76131) ,  Sommer Martin (Institute for Information Processing Technologies (ITIV), Karlsruhe Institute of Technology (KIT),Karlsruhe,Germany,76131) ,  Schrempp Yannick (Institute for Information Processing Technologies (ITIV), Karlsruhe Institute of Technology (KIT),Karlsruhe,Germany,76131) ,  Sax Eric (Institute for Information Processing Technologies (ITIV), Karlsruhe Institute of Technology (KIT),Karlsruhe,Germany,76131)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCVE  ページ： 1-6  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： 本論文は,公共輸送の分野における深い学習を使用して,そこで,それらの協調とスケジューリングのための車両の占有を知ることは,非常に興味深い。バスまたは列車上の人々の計数は,しばしば手動で行われているが,本論文では,カメラ画像および深層学習の使用のみによる最新のアプローチを提示する。本研究で提示した人々は,ニューラルネットワークが最適化されている2つの部分から成る。第1ステップでは,人々は人間検出器によって認識され,一方,この情報は人々を計数する第2ステップで使われる。バス入口での人々の検出のために,RetinaNetをモデルとして選択し,最適化した。次に,人間検出器の出力を用いて,ニューラルネットワークの新しいアーキテクチャを最適化した。これにより,ビデオ中のバスをオンオフする人々の数を決定することができる。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： 最適化 ,  スケジューリング ,  ニューラルネットワーク ,  *公共輸送 ,  写真像 ,  録画装置 ,  計算機アーキテクチャ
準シソーラス用語： 人間検出 ,  *深層学習 , 【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 (3件)： 公共輸送 ,  計数 ,  深層学習