文献

J-GLOBAL ID：202202257676027258   整理番号：22A0696958

YOLOと畳込みファジィニューラルネットワークに基づく知的交通監視システム【JST・京大機械翻訳】

Intelligent Traffic-Monitoring System Based on YOLO and Convolutional Fuzzy Neural Networks

著者 (2件)： Lin Cheng-Jian (Department of Computer Science and Information Engineering, National Chin-Yi University of Technology, Taichung, Taiwan) ,  Jhang Jyun-Yu (College of Intelligence, National Taichung University of Science and Technology, Taichung, Taiwan)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 14120-14133  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： 都市化の急速なペースによって,都市の間で旅行する車両の数は,著しく増加した。その結果,交通渋滞や過度の数や車両の種類など,多くの交通関連問題が出現している。交通問題を解決するために,道路データ収集は重要である。したがって,本論文では,交通量,および道路からの車両型情報を記録する,一度(YOLO)と畳み込みファジィニューラルネットワーク(CFNN)に基づく知的交通監視システムを開発した。このシステムでは,YOLOは最初に車両を検出し,交通流を計算するために車両計数法と組み合わせた。次に,2つの効果的モデル(CFNNとベクトル-CFNN)とネットワークマッピング融合方法を,車両分類のために提案する。著者らの実験において,提案方法は,北京技術公共データセットの北京研究所で90.45%の精度を達成した。GRAM-RTMデータセットにおいて,提案したYOLO-CFNNおよびYOLO-VCFNN車両分類法の平均精度およびF測度(F1)は99%であり,他の方法より優れていた。台湾における実際の道路では,提案したYOLO-CFNNとYOLO-VCFNN法は,車両分類のための高いF1スコアを持つだけでなく,車両計数において顕著な精度を持っている。さらに,提案システムは,AGX組込みプラットフォームにおいて,1秒あたり30フレーム以上の検出率を維持することができた。したがって,提案した知的交通監視システムは,リアルタイム車両分類と実際の環境における計数に適している。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： 測度 ,  *畳込み ,  ベクトル ,  交通流 ,  交通量 ,  道路 ,  都市 ,  *監視装置 ,  都市化 ,  モデル ,  交通混雑 ,  データ収集 ,  *ファジィニューラルネットワーク
準シソーラス用語： 車種 ,  検出率 , 【Automatic Indexing@JST】

分類 (1件)： 音声処理  (JE05000E)

タイトルに関連する用語 (4件)： 畳込み ,  ファジィニューラルネットワーク ,  交通 ,  監視システム