文献

J-GLOBAL ID：202202235066440881   整理番号：22A1085962

EFFNet:ビデオ煙源予測と検出のための強化特徴前景ネットワーク【JST・京大機械翻訳】

EFFNet: Enhanced Feature Foreground Network for Video Smoke Source Prediction and Detection

著者 (4件)： Cao Yichao (School of Automation, Southeast University, Nanjing, China) ,  Tang Qingfei (Nanjing Enbo Technology Company Ltd., Nanjing, China) ,  Wu Xuehui (School of Automation, Southeast University, Nanjing, China) ,  Lu Xiaobo (School of Automation, Southeast University, Nanjing, China)
資料名： IEEE Transactions on Circuits and Systems for Video Technology  (IEEE Transactions on Circuits and Systems for Video Technology)
巻： 32  号： 4  ページ： 1820-1833  発行年： 2022年 
JST資料番号： W0321A  ISSN： 1051-8215  CODEN： ITCTEM  資料種別： 逐次刊行物 (A)
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： ビデオにおける煙検出は,煙の不規則な形状,その複雑な運動状態のため,温度,風および他の外部因子,および背景擾乱によって影響されるため,挑戦的なタスクである。Pixelベースの前景モデリング法は,多くの煙検出システムにおいて重要なステップであり,運動や異常を検出する特定の物体や特定の領域へ効率的に集中できる。ビデオ解析では,ピクセルレベル前景から特徴レベル前景に向けて焦点を動かす自然なアイデアである。本論文では,特徴前景を畳み込みニューラルネットワーク(CNN)の中間層により発生させ,煙物体の時間モデリングプロセスをガイドした。煙の時間表現の学習を促進するために,特徴前地モジュール(FFM)と呼ばれる新しい時間モジュールを提案した。ビデオにおける煙解析の問題を考慮して,煙源予測と検出の両方を実行する,強化特徴前景ネットワーク(EFFNet)と名付けた新しい統一手法を提案した。効率的な分岐ネットワークをEFFNetで設計し,ビデオ中の煙プルームのソースマスクと結合ボックスを予測した。知る限りでは,これは深層学習法を用いて煙の源を研究する最初の論文である。最後に,現実的な煙データセットと公開データセットに関する実験は,EFFNet法が以前の最先端手法よりも遥かに優れた性能を持つことを示した。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： *煙 ,  *ネットワーク ,  特性 ,  *景観 ,  異常 ,  モデリング ,  *録画装置 ,  ヒューム ,  問題
準シソーラス用語： 前地 ,  中間層 ,  *前景 ,  ビデオ分析 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ビデオ ,  予測 ,  強化 ,  前景