文献

J-GLOBAL ID：202202263572866237   整理番号：22A1038046

畳込みニューラルネットワークに基づく知的交差点車両と歩行者検出【JST・京大機械翻訳】

Intelligent Intersection Vehicle and Pedestrian Detection Based on Convolutional Neural Network

著者 (5件)： Yang Senlin (Shaanxi Key Laboratory of Surface Engineering and Remanufacturing, Xi’an University, Xi’an, Shaanxi 710065, China) ,  Yang Senlin (School of Mechanic & Material Engineering, Xi’an University, Xi’an, Shaanxi 710065, China) ,  Chong Xin (Vertiv Technology Ltd., Xi’an, Shaanxi 710075, China) ,  Li Xilong (School of Mechanic & Material Engineering, Xi’an University, Xi’an, Shaanxi 710065, China) ,  Li Ruixing (School of Mechanic & Material Engineering, Xi’an University, Xi’an, Shaanxi 710065, China)
資料名： Journal of Sensors (Web)  (Journal of Sensors (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7792A  ISSN： 1687-725X  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： 事前処理画像を事前訓練ニューラルネットワークに入力して,対応する特徴マッピングを得て,関心の対応する領域を特徴マッピングの各点のために設定して,多重候補特徴領域を得た。次に,これらの候補特徴領域を領域提案ネットワークとバイナリ分類とBB回帰のための深い残差ネットワークに供給して,候補特徴領域のいくつかをフィルタリングして,残りの特徴領域をROIAIign操作にかけた。最後に,これらの特徴領域で分類,BB回帰,マスク生成を行い,各特徴領域と出力で完全畳み込みニューラルネットワーク操作を行った。車両の特定のモデルをさらに同定するために,本論文は,最適化Mask R-CNNアルゴリズムによって改良モデルを融合するマルチ特徴モデル認識方法を提案した。車両不良,光,空気取入口,および全車両輪郭を含む車両局所特徴データセットを,モデルのネットワーク構造を単純化するために確立した。一方,その検出フレーム生成プロセスと非最大抑制における重複フレーム信頼性の調整規則は,粗い車両位置確認のために改良する。次に,局所化後の生成された車両検出フレームは,RPN構造をさらに最適化後,Mask R-CNNアルゴリズムに出力する。次に,局所特徴認識のためのRPN構造の更なる最適化の後,局所的車両検出フレームをMask R-CNNアルゴリズムに出力して,良好な認識結果を達成した。最後に,本論文は,主にデータベースモジュール,ファイルモジュール,特徴抽出とマッチングモジュール,メッセージ待ち行列モジュール,WEBモジュール,および車両検出モジュールを含む分散型サーバベースの車両認識システムを確立した。従来の領域生成方法の限界のため,本論文は,高速R-CNNアルゴリズムにおける領域生成ネットワークの簡潔な解析を提供して,出力層の損失計算原理を詳述した。Copyright 2022 Senlin Yang 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 ,  最適化 ,  簡素化 ,  データベース ,  *ネットワーク ,  *ニューラルネットワーク ,  フィルタリング ,  特徴抽出 ,  残差 ,  画像 ,  ネットワーク構造 ,  多重化
準シソーラス用語： 車両検出 ,  局所特徴 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (4件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  図形・画像処理一般  (JE04010I)

引用文献 (22件)：

• R. Arnay, J. Hernández-Aceituno, J. Toledo, L. Acosta, "Laser and optical flow fusion for a non-intrusive obstacle detection system on an intelligent wheelchair," IEEE Sensors Journal, vol. 18, no. 9, pp. 3799-3805, 2018.
• L. C. Bento, R. Parafita, H. A. Rakha, U. J. Nunes, "A study of the environmental impacts of intelligent automated vehicle control at intersections via V2V and V2I communications," Journal of Intelligent Transportation Systems, vol. 23, no. 1, pp. 41-59, 2019.
• W. Cao, J. Zhang, C. Cai, Q. Chen, Y. Zhao, Y. Lou, G. Gui, "CNN-based intelligent safety surveillance in green IoT applications," China Communications, vol. 18, no. 1, pp. 108-119, 2021.
• L. W. Chen, Y. F. Ho, "Centimeter-grade metropolitan positioning for lane-level intelligent transportation systems based on the Internet of vehicles," IEEE Transactions on Industrial Informatics, vol. 15, no. 3, pp. 1474-1485, 2018.
• A. Daeichian, A. Haghani, "Fuzzy Q-learning-based multi-agent system for intelligent traffic control by a game theory approach," Arabian Journal for Science and Engineering, vol. 43, no. 6, pp. 3241-3247, 2018.

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  交差点 ,  歩行者検出