文献

J-GLOBAL ID：202202224244347844   整理番号：22A0980963

UAV同定のための実時間軽量検出ネットワークフレームワーク【JST・京大機械翻訳】

A Realtime Lightweight Detection Network Framework for UAV Identification

著者 (6件)： Zeng Guoqi (Institute of Unmanned System, Beihang University, Beijing, China) ,  Pan Shengrui (School of Electronics and Information Engineering, Beihang University, Beijing, China) ,  Fan Zheng (School of Electronics and Information Engineering, Beihang University, Beijing, China) ,  Wang Guida (School of Electronics and Information Engineering, Beihang University, Beijing, China) ,  Wang Ming (Institute of Unmanned System, Beihang University, Beijing, China) ,  Yue Huanying (Institute of UAV Application Research, RADI, Tianjin, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 861  ページ： 2679-2688  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
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： 検出ニューラルネットワークはメモリ集約的であり,限られたハードウェア資源を有する組込みシステムに展開するのを困難にする。航空機搭載認識のリアルタイム問題を解くために,YOLOv3-tinyに基づく軽量検出ネットワークフレームワークを導入し,ネットワークの体積を3×まで減らし,精度を1%増加し,検出率を15fpsに達した。方法はYOLOv3-tinyに基づき,そのサイズは33.1MBであった。その参照時間とmAPはそれぞれ0.085sと78.6%である。次に,構造圧縮を使用し,ネットワーク体積を10.33MBに低減するために,それらの精度に影響することなく,チャネル剪定戦略を改善した。モデル圧縮がネットワークの性能に影響を及ぼすことを考慮して,著者らはまた,学習速度の調整および注意機構の追加のようないくつかのトリックを採用し,さらに同定精度を78.6%から79.3%に改善した。これらの手段は,このモデルが,資源制約付き航空機搭載装置またはモバイルアプリケーションで,より良く,より速く実行することを可能にする。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  *ネットワーク ,  ニューラルネットワーク ,  応用プログラム ,  ハードウェア ,  チャネル ,  注意 ,  組込みシステム
準シソーラス用語： 実時間 ,  検出率 ,  航空機搭載 ,  モバイルアプリケーション ,  資源制約 , 【Automatic Indexing@JST】

著者キーワード (5件)： 軽量検出ニューラルネットワーク ,  YOLOv3-Tiny ,  UAV同定 ,  モデル圧縮 ,  チャネルドメイン注意モジュール

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： UAV ,  同定 ,  実時間 ,  軽量 ,  フレームワーク