文献

J-GLOBAL ID：202202261574352629   整理番号：22A1036274

畳込みニューラルネットワークアルゴリズムを用いた視覚ベース知的輸送システムのための車両検出【JST・京大機械翻訳】

Vehicle Detection for Vision-Based Intelligent Transportation Systems Using Convolutional Neural Network Algorithm

著者 (8件)： Khalifa Othman O. (Libyan Centre for Engineering Research and Information Technology, Bani Waleed, Libya) ,  Khalifa Othman O. (Department of Electrical and Computer Engineering, International Islamic University Malaysia, Kuala Lumpur, Malaysia) ,  Wajdi Muhammad H. (Department of Electrical and Computer Engineering, International Islamic University Malaysia, Kuala Lumpur, Malaysia) ,  Saeed Rashid A. (Department of Computer Engineering, College of Computers and Information Technology, Taif University, P.O. Box 11099, Taif 21944, Saudi Arabia) ,  Hashim Aisha H. A. (Department of Electrical and Computer Engineering, International Islamic University Malaysia, Kuala Lumpur, Malaysia) ,  Ahmed Muhammed Z. (Department of Computer Engineering, University of Maiduguri, Maiduguri, Nigeria) ,  Ali Elmustafa Sayed (Department of Electrical and Electronic Engineering, Faculty of Engineering, Red Sea University, Port Sudan, Sudan) ,  Ali Elmustafa Sayed (Department of Electronic Engineering, Faculty of Engineering, Sudan University of Science and Technology, Khartoum, Sudan)
資料名： Journal of Advanced Transportation  (Journal of Advanced Transportation)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： D0581A  ISSN： 0197-6729  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： インテリジェント交通システム(ITS)における車両検出は,車両流動,不法な車両型検出,事故検出,および車両速度推定の監視に必要であるので,道路安全を確実にする重要な因子である。研究の人気が高まっているにもかかわらず,解決すべき課題は残っている。レーダやLIDARのようなハードウェアベースの解決策が提案されているが,交通監視システムにおける人間オペレータに対してほとんど貴重な情報を維持,生産するには高価である。勾配のヒストグラム(HOG)とGauss混合モデル(GMM)のような従来のアルゴリズムを用いたソフトウェアベースの解法は,計算的に遅く,リアルタイムトラフィック検出に適していない。したがって,本論文は種々の車両検出法をレビューして評価する。さらに,畳込みニューラルネットワーク(CNN)を利用する方法を,ビデオ処理技術を適用し,所望の情報を抽出するために,車道カメラ出力からの車両の検出に用いた。特に,本論文は,異なる照明レベルの下でアンカーボックス最適化を実行するために,k-平均アルゴリズムと結合したYOLOv5sアーキテクチャを利用した。模擬および評価アルゴリズムの結果は,提案モデルが日中データセットで97.8,夜間データセットで95.1のmAPを達成できることを示した。Copyright 2022 Othman O. Khalifa et al. 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 ,  カメラ ,  最適化 ,  *視覚 ,  LIDAR ,  レーダ ,  オペレータ ,  車道 ,  録画装置 ,  ハードウェア ,  ソフトウェア ,  *コンピュータビジョン ,  交通 ,  計算機アーキテクチャ
準シソーラス用語： *車両検出 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 交通調査  (TB01031B)

引用文献 (25件)：

• G. Wang, D. Xiao, J. Gu, "Review on vehicle detection based on video for traffic surveillance," Proceedings of the IEEE International Conference on Automation and Logistics, ICAL 2008, pp. 2961-2966, Qingdao, China, September 2008.
• E. S. Ali, M. K. Hasan, R. Hassan, R. A. Saeed, M. B. Hassan, S. Islam, N. S. Nafi, S. Bevinakoppa, "Machine learning technologies for secure vehicular communication in internet of vehicles: recent advances and applications," Security and Communication Networks, vol. 2021, pp. 23, 2021.
• J. Sang, Z. Wu, P. Guo, H. Hu, H. Xiang, Q. Zhang, B. Cai, "An improved YOLOv2 for vehicle detection," Sensors, vol. 18, no. 12, pp. 4272-12, 2018.
• Eltahir, A. Ahmed, R. A. Saeed, "V2V communication protocols in cloud-assisted vehicular networks," Vehicular Cloud Computing for Traffic Management and Systems, IGI Global, Hershey, PA, USA, 2018.
• L. Chen, F. Ye, Y. Ruan, H. Fan, Q. Chen, "An algorithm for highway vehicle detection based on convolutional neural network," Eurasip Journal on Image and Video Processing, vol. 2018, no. 1, pp. 1-7, 2018.

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 ,  アルゴリズム ,  視覚 ,  輸送システム ,  車両検出