文献

J-GLOBAL ID：202202238920604093   整理番号：22A1103974

従来型モデル上の畳込みニューラルネットワークを用いた交通標識認識のためのフレームワーク【JST・京大機械翻訳】

A Framework for Traffic Signs Recognition Using Convolutional Neural Network Over Conventional Models

著者 (3件)： Sai Vallabapurapu Ujval (Koneru Lakshmaiah Education Foundation,Department of Computer Science and Engineering,Vaddeswaram,A.P.,India,522502) ,  Priyatam Patchipulusu Varaprasad (Koneru Lakshmaiah Education Foundation,Department of Computer Science and Engineering,Vaddeswaram,A.P.,India,522502) ,  Srinivas P V V S (Koneru Lakshmaiah Education Foundation,Department of Computer Science and Engineering,Vaddeswaram,A.P.,India,522502)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICAIS  ページ： 101-108  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： 知的輸送システムにおいて,交通サイン認識は重要である。運転者支援と自律運転は,交通標識検出の2つの重要な機能である。本研究では,交通信号を迅速かつ正確に同定および認識できる,本研究では,畳込みニューラルネットワークモデルを提案した。提案モデルは訓練され,テストされ,Kaggleから得られたデータセットを用いて評価された。データセットを,最初に,モデルを訓練するために前処理し,第二段階において,データを,異なるクラスに提案したCNNモデルを用いて分類し,このモデルの最終段階は,訓練されたモデルを試験することによって,リアルタイム精度を得ることであった。CNNモデルをKerasライブラリを用いて構築した。本モデルは,98.87%の精度を達成することによって,データセットに対して試験したとき,有意な結果を示した。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： *交通標識 ,  前処理 ,  交通システム
準シソーラス用語： 交通信号 ,  運転者支援システム ,  *畳込みニューラルネットワーク , 【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 (4件)： モデル ,  畳込みニューラルネットワーク ,  交通標識 ,  フレームワーク