文献

J-GLOBAL ID：202202240611006356   整理番号：22A0112073

運転中のYOLOv3を用いた重装置の検出モデル【JST・京大機械翻訳】

Detection Model of Heavy Equipment Using YOLOv3 while Driving

著者 (4件)： Lee Won Seok (Keimyung University, S. Korea) ,  Lee Hee Jun (Keimyung University, S. Korea) ,  Lee Choong Kwon (Keimyung University, S. Korea) ,  Ko Kyung Nam (Korea Gas Corporation, S. Korea)
資料名： ACM Proceedings  (ACM Proceedings)
号： SMA 2020  ページ： 244-247  発行年： 2020年 
JST資料番号： D0698C  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： 本研究は,運転中の視覚観察を補償するために,重い機器を認識し,検出することができる人工知能モデルの開発を意図している。収集したデータの総数は,6,700の画像であり,その内の5,820は訓練データとして,残りの880画像は一連の試験データとして使用された。本研究で提案したYOLOv3ネットワークは,試験データセットにおける重い機器の検出において,F1-Score84.65%,精度86.94%,およびRecall82.47%の性能指標を有する既存のYOLOv3およびYOLOv2と比較して,改善された性能を示した。本研究で提案した重い装置検出モデルはリアルタイム検出を可能にするために設計されたので,ガスパイプが埋設された地域のパタリング建設サイトで役立つことが期待される。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *視覚 ,  ネットワーク ,  人工知能
準シソーラス用語： 訓練データ ,  試験データ , 【Automatic Indexing@JST】

著者キーワード (3件)： 重い装置の検出 ,  教師付き学習 ,  YOLOv3

分類 (2件)： リモートセンシング一般  (AD04000L) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (1件)： モデル