文献

J-GLOBAL ID：202202233392308150   整理番号：22A1164824

空中画像を用いた高密度群衆検出と分類を可能にする深層移動学習【JST・京大機械翻訳】

Deep Transfer Learning Enabled High-Density Crowd Detection and Classification using Aerial Images

著者 (3件)： Sivachandiran S. (Annamalai University,Department of CSE,Tamil Nadu,India) ,  Mohan K. Jagan (Annamalai University,Department of Information Technology,Tamil Nadu,India) ,  Nazer G. Mohammed (RAAK College of Arts and Science,Department of CS,Puducherry)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCMC  ページ： 1313-1317  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： 空中画像における自動群衆分類は,質量事象の複雑な状況における混雑災害を避けるのに役立つ。以前の研究は,回帰モデルを用いた群衆数と群衆密度計算に焦点を当てた。しかし,これらのモデルは,適切なマニュアル数が参照目的に存在している場合にのみ動作する。従って,分類モデルの使用により空中画像における高密度群衆を決定する必要がある。この観点において,本研究では,高密度群衆検出と分類のためのカーネル極端学習機械(KELM)モデルによる新しいVGG16を提示した。提案したVGG16-KELMモデルは,主に入力画像の品質を高めるために前処理段階を受ける。さらに,VGG16法を特徴抽出器として採用し,特徴ベクトルの有用なグループを導いた。さらに,KELM技術を,クラウドの密度を決定する分類器として適用し,研究の新規性を示した。VGG16-KELMアプローチの性能向上を実証するために,広範囲のシミュレーションを実行し,結果をいくつかの側面の下で評価した。実験結果は,VGG16-KELM技術の他の比較方法に対する性能の向上を報告した。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： *学習 ,  前処理 ,  特徴抽出 ,  回帰モデル ,  深層
準シソーラス用語： 特徴ベクトル ,  *空中画像 ,  分類モデル ,  極度学習機械 , 【Automatic Indexing@JST】

分類 (5件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I) ,  音声処理  (JE05000E) ,  符号理論  (ND02030R)

タイトルに関連する用語 (5件)： 空中画像 ,  高密度 ,  分類 ,  深層 ,  学習