文献

J-GLOBAL ID：202202246358019433   整理番号：22A0968640

畳込みニューラルネットワークによるマルチスケールフレーム表現とブロック処理に基づくビデオ監視におけるオブジェクト検出【JST・京大機械翻訳】

Object Detection in Video Surveillance Based on Multiscale Frame Representation and Block Processing by a Convolutional Neural Network

著者 (5件)： Bohush Rykhard (Polotsk State University, Novopolotsk, Republic of Belarus) ,  Ma Guangdi (EarthView Image Inc., Huzhou, China) ,  Weichen Yang (EarthView Image Inc., Huzhou, China) ,  Ablameyko Sergey (Belarusian State University, Minsk, Republic of Belarus) ,  Ablameyko Sergey (United Institute for Informatics Problems, National Academy of Sciences of Belarus, Minsk, Republic of Belarus)
資料名： Pattern Recognition and Image Analysis  (Pattern Recognition and Image Analysis)
巻： 32  号： 1  ページ： 1-10  発行年： 2022年 
JST資料番号： W4833A  ISSN： 1054-6618  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： 高解像度画像におけるオブジェクトを検出する方法を提案し,その縮小スケールのコピーのセットとして画像を表現することに基づき,トップのものを除いて,画像ピラミッドの各レベルでオーバーラップを有するブロックに分割し,ブロック中のオブジェクトを検出し,それらを併合するために隣接ブロックの境界でオブジェクトを分析する。ピラミッド層の数を,画像のサイズと畳み込みニューラルネットワーク(CNN)の入力層によって決定する。トップのものを除くすべてのレベルで,ブロック分割を行い,オーバラップの使用により,オブジェクトの正しい分類を改善し,フラグメントに分割し,隣接ブロックに位置した。そのような断片を併合する決定は,同じクラスにおける結合とメンバーシップに関する交差の計量の解析に基づいて作成した。提案手法を4Kと8K画像に対して評価した。実験を行うために,データベースは,そのような画像でマークされた2つのクラス,人と車両のオブジェクトで準備される。第3版と第4版のLook(YOLO)族のネットワークをCNNとして使用した。物体の検出効率の定量的評価を,CNNの閾値信頼の程度と画像の階層的表現におけるブロックの交差点の割合のようなパラメータの種々の組合せに対して,mAPメトリックを用いて実行した。研究の結果を示した。Copyright Pleiades Publishing, Ltd. 2022. ISSN 1054-6618, Pattern Recognition and Image Analysis, 2022, Vol. 32, No. 1, pp. 1-10. Copyright Pleiades Publishing, Ltd., 2022. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データベース ,  *ネットワーク ,  分類 ,  交差点 ,  *ニューラルネットワーク ,  画像 ,  角錐 ,  パラメータ ,  検出効率
準シソーラス用語： 高精細画像 ,  *物体検出 ,  定量的評価 ,  オーバラップ ,  ホップ数 ,  *ビデオ監視 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 高分解能画像 ,  小型オブジェクト ,  画像のピラミッド表現 ,  オブジェクト検出の精度

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)： 畳込みニューラルネットワーク ,  表現 ,  ビデオ監視 ,  オブジェクト検出