文献

J-GLOBAL ID：202202246347857558   整理番号：22A0977740

CNNを用いた自動検針のための生成データ増強【JST・京大機械翻訳】

Generative Data Augmentation for Automatic Meter Reading Using CNNs

著者 (3件)： Sripanuskul Nuntida (Faculty of Engineering, University of Yamanashi, Kofu, Japan) ,  Buayai Prawit (Faculty of Engineering, University of Yamanashi, Kofu, Japan) ,  Mao Xiaoyang (Faculty of Engineering, University of Yamanashi, Kofu, Japan)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 28471-28486  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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： スマートメータは,多くの国でまだ広く設置されていないが,従来のタイプメータの自動読書は,コストと安全性の両方の観点から有用である。畳み込みニューラルネットワーク(CNN)は,制約のない環境の下で自動メートル読み取りのための高いポテンシャルを示したが,それは様々な課題に直面している。1つは,メートルの数字が長い時間を更新するので,十分な量の訓練データセットを収集することの困難さである。もう一つの課題は,2つの連続数の間の遷移状態を認識する方法である。これらの問題を解決するために,遷移状態を含む数の注釈付き画像を自動的に生成できる新しいデータ増強手法を提案した。最先端の生成ニューラルネットワークモデルを利用して,生成された数は元のメートル画像におけるそれらの局所外観に似ている。評価実験は,提案した生成データ増強技術が認識モデルのロバスト性を改善し,以前の研究と比較して優れた結果を達成することを確認した。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： データ ,  遷移状態 ,  ロバスト性 ,  認知モデル ,  *アノテーション
準シソーラス用語： 神経回路網モデル ,  読書 ,  自動検針 ,  訓練データ ,  評価実験 ,  スマートメータ ,  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 (3件)： CNN ,  自動検針 ,  データ増強