文献

J-GLOBAL ID：202202265188581476   整理番号：22A0398604

水ターゲット認識法と無人表面容器への応用【JST・京大機械翻訳】

Water Target Recognition Method and Application for Unmanned Surface Vessels

著者 (10件)： Cheng Liang (School of Ocean Engineering, Jiangsu Ocean University, Lianyungang, China) ,  Deng Baoyuan (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Yang Yuan (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Lyu Jifang (School of Ocean Engineering, Jiangsu Ocean University, Lianyungang, China) ,  Zhao Jicheng (Zhuhai Yunzhou Intelligent Technology Company Ltd., Zhuhai, China) ,  Zhou Ke (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Yang Chunli (Zhuhai Yunzhou Intelligent Technology Company Ltd., Zhuhai, China) ,  Wang Leigang (Zhuhai Yunzhou Intelligent Technology Company Ltd., Zhuhai, China) ,  Yang Shiyuan (Zhuhai Yunzhou Intelligent Technology Company Ltd., Zhuhai, China) ,  He Yunze (College of Electrical and Information Engineering, Hunan University, Changsha, China)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 421-434  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： 水ターゲット認識は,無人表面血管(USV)の認識技術にとって重大な課題である。USV,検出精度,および推論時間の両方の適用において,バランスと単一フレーム水ターゲット検出を打撃するのは,ビデオ検出において不安定である。これらの問題を解決するために,ネットワーク剪定,焦点損失関数,ブランクラベル訓練およびヒストグラム正規化による前処理を含むYOLOv4の性能を高めるために多くの戦略を適用した。最適化した検出方法は,81.74%の平均精度(mAP)と1秒当たり26.77フレームの予測速度(FPS)を達成し,USVナビゲーション要求を満たした。水ターゲット認識のための統合USVベースシステムを構築するために,9936画像を含む水ターゲットデータセットを,人間-インザループアノテーションとモザイクデータ増強法を使用した沖合USV実験から作成した。ミス検出と誤り警報の問題は,Siamese-RPN追跡ネットワークをカスケードすることによってかなり軽減することができ,そして,水ターゲットの主要な色を,局所コントラスト顕著性色検出方式を用いて検索することができた。テストされたシステムは,「ME120」と呼ばれ,組込みエッジコンピューティングプラットフォーム(Nvida Jetson AGX Xavier)を含む。最後に,オンラインデータセット学習は,改良YOLOv4が,元のYOLOv4と比較して,mAPにおける0.79%の減少のコストで,FPSにおける66.98%の増加を達成し,オフラインナビゲーション実験が,このシステムが,高いロバスト性を維持しながら,高い認識能力を達成することを実証した。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： コントラスト ,  最適化 ,  学習 ,  損失関数 ,  ネットワーク ,  血管 ,  *物体認識 ,  検出法 ,  録画装置 ,  ヒストグラム ,  正規化 ,  ロバスト性
準シソーラス用語： 誤警報 ,  ターゲット検出 ,  検出精度 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  レーダ  (ND13010H)

タイトルに関連する用語 (3件)： 水 ,  ターゲット認識 ,  応用