文献

J-GLOBAL ID：202202243073098122   整理番号：22A0967985

RIECNN:交通標識認識のための実時間画像強化CNN【JST・京大機械翻訳】

RIECNN: real-time image enhanced CNN for traffic sign recognition

著者 (3件)： Abdel-Salam Reem (Computer Engineering Department, Cairo University, Cairo, Egypt) ,  Mostafa Rana (Computer Engineering Department, Cairo University, Cairo, Egypt) ,  Abdel-Gawad Ahmed H. (Computer Engineering Department, Cairo University, Cairo, Egypt)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 8  ページ： 6085-6096  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 交通サイン認識は,事故率を減らし,道路安全を促進するために,自律車の開発において,重要な役割を果たす。深層学習最先端アルゴリズムに対して,環境および不十分な実時間性能によって著しく影響を受けるトラフィックサインに対処する必要性があった。本論文では,交通信号認識のための実時間画像増強CNN(RIECNN)を導入した。RIECNNは,リアルタイムで,多様なトラヒック符号データセットに取り組み,認識率と実行時間に関して最先端のアーキテクチャを凌駕する。ドイツ交通信号ベンチマーク(GTSRB),ベルギー交通信号分類(BTSC),およびクロアチア交通信号(rMASTIF)ベンチマークを用いて実験を行った。実験結果は,著者らのアプローチがすべてのベンチマークで最も高い認識率を達成して,GTSRBで99.75%,BTSCで99.25%,rMASTIFで99.55%の認識精度を達成したことを示した。待ち時間とリアルタイム制約を満たすと,前処理時間と推論時間は,画像あたり1.3msを超えない。提案手法は実時間性能で著しく高い精度を達成しただけでなく,環境中の輝度やコントラスト変動などのトラヒック符号認識課題に対してロバスト性を示した。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  コントラスト ,  加工時間 ,  *交通標識 ,  輝度 ,  精度 ,  待ち時間 ,  *画像強調 ,  ベンチマーク ,  計算機アーキテクチャ ,  ロバスト性
準シソーラス用語： 交通信号 ,  実行時間 ,  信号分類 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 交通標識認識 ,  深層学習 ,  畳込みニューラルネットワーク ,  自律車

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 交通標識 ,  実時間 ,  画像強化 ,  CNN