文献

J-GLOBAL ID：202202251052105448   整理番号：22A0959381

改良型畳込みニューラルネットワークと移動学習を用いた航空機のための実時間追跡アルゴリズム【JST・京大機械翻訳】

Real-Time Tracking Algorithm for Aerial Vehicles Using Improved Convolutional Neural Network and Transfer Learning

著者 (3件)： Li Xiaofeng (Department of Information Engineering, Heilongjiang International University, Harbin, China) ,  Wei Jin (School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China) ,  Jiao Hongshuang (Office of Academic Research, Heilongjiang International University, Harbin, China)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 23  号： 3  ページ： 2296-2305  発行年： 2022年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  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： 車両トラフィックの空中追跡のための従来のリアルタイムアルゴリズムの貧弱な画像特徴抽出能力,過度の追跡時間,および低い精度に対処するために,改良畳込みニューラルネットワーク(CNN)と移動学習を用いたリアルタイム追跡アルゴリズムを提案した。このアルゴリズムでは,まず,空中車両画像を画像オフセットキャリブレーションのためのサンプル画像と整合させた。第二に,CNNパラメータをフィルタ集合を構築することによって初期化し,転送学習を採用してCNN事前訓練モデルを構築した。第3に,画像の深さ特性を抽出するために,深い畳込み特徴抽出構造マップを設計した。最後に,深さ特性に基づき,目標車両運動モデルを確立し,目標と候補モデルの間の類似性を計算し,航空機のリアルタイム追跡を完了した。結果は,提案したアルゴリズムの画像補正精度が92%の高さであることを示した。このアルゴリズムは,特徴抽出と計算精度に関して満足のいく結果をもたらした。さらに,それは小さな全体的誤差を持ち,それに必要な平均追跡時間は22.8秒であり,その偽陰性率は0.4%と低かった。したがって,提案したアルゴリズムには,かなりの実用的応用がある。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： *アルゴリズム ,  *畳込み ,  フィルタ ,  *学習 ,  *航空機 ,  追跡 ,  *ニューラルネットワーク ,  特徴抽出 ,  精度 ,  画像補正 ,  類似性
準シソーラス用語： 計算精度 ,  運動モデル ,  画像特徴抽出 ,  *追跡アルゴリズム ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 畳込みニューラルネットワーク ,  学習 ,  航空機 ,  実時間追跡 ,  アルゴリズム