文献

J-GLOBAL ID：202202238602985015   整理番号：22A1004230

深さ分離コンボリューションに基づく軽量人体のキーポイント検出アルゴリズム【JST・京大機械翻訳】

A Lightweight Human Body Keypoint Detection Algorithm Based on Depth Separable Convolution

著者 (6件)： Kong Lingjun (金陵科技学院 网絡与通信工程学院, 江蘇 南京 211169) ,  Liu Weiguang (金陵科技学院 网絡与通信工程学院, 江蘇 南京 211169) ,  Zhou Yaowei (金陵科技学院 网絡与通信工程学院, 江蘇 南京 211169) ,  Pei Huizeng (金陵科技学院 网絡与通信工程学院, 江蘇 南京 211169) ,  Shen Xinyi (金陵科技学院 网絡与通信工程学院, 江蘇 南京 211169) ,  Zhao Ziang (南京郵電大学 通信与信息工程学院, 江蘇 南京 210003)
資料名： Wuxiandian Gongcheng  (Wuxiandian Gongcheng)
巻： 52  号： 1  ページ： 76-82  発行年： 2022年 
JST資料番号： C3736A  ISSN： 1003-3106  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ネットワークモデルの実行時間が長いという問題に対して、画素切断ネットワークアーキテクチャにおけるコーデック構造啓発により、高効率の軽量メインドライブネットワークを設計し、深さ分離コンボリューションを基本コンボリューションモジュールとして利用した。多次元自己学習モジュール(MultidimensionalSelf-LearningModule,MSLM)を利用して、特徴行列に対して適応的な学習を行い、有用な情報重みを増強した。同時に、コーデック構造を用いて、その主幹構造に対して効率の最適化を行い、深さ分離可能ネットワーク(CodecDepthSeparableNetwork,CSDNet)を設計し、MobileNetの性能より72%向上した。精度は5.2%増加した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  性能 ,  *畳込み ,  ネットワーク ,  精度 ,  画素 ,  モデル ,  高次元 ,  ネットワークアーキテクチャ ,  CODEC【データ変換】
準シソーラス用語： 高効率 ,  自己学習 ,  ネットワークモデル ,  実行時間 ,  *検出アルゴリズム ,  軽量 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： コンボリューション ,  軽量 ,  人体 ,  検出アルゴリズム