文献

J-GLOBAL ID：202202266673436212   整理番号：22A1055703

列車-ゾウ衝突防止のための深視覚ベース監視システム【JST・京大機械翻訳】

Deep vision-based surveillance system to prevent train-elephant collisions

著者 (5件)： Gupta Surbhi (Department of Electrical Engineering and IT, COAET, Punjab Agricultural University, Ludhiana, India) ,  Mohan Neeraj (Department of CSE, IK Gujral Punjab Technical University, Mohali, India) ,  Nayak Padmalaya (Department of CSE, Gokaraju Rangaraju Institute of Engineering and Technology, Hyderabad, India) ,  Nagaraju Krishna Chythanya (Department of CSE, Gokaraju Rangaraju Institute of Engineering and Technology, Hyderabad, India) ,  Karanam Madhavi (Department of CSE, Gokaraju Rangaraju Institute of Engineering and Technology, Hyderabad, India)
資料名： Soft Computing  (Soft Computing)
巻： 26  号： 8  ページ： 4005-4018  発行年： 2022年 
JST資料番号： W1043A  ISSN： 1432-7643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 動物保存は必須であり,技術は異なる方法で確実に支援できる。タイガーやゾウのような絶滅危惧種の絶滅は,そのような努力の必要性を高めている。人間-エレファント衝突(HEC)は,数年間の研究の活発な分野であった。森林伐採とは別に,道路とレールトラックは,森林地域を通して敷設され,野生生物に多く介在する。衝突と triesは,特にインドと他のアジア諸国のグリーンベルトにおいて,毎日である。したがって,動物/エレファント近傍部位を同定するための視覚ベース,自動化,警報生成システムを開発することが重要である。提案した研究において,画像/ビデオにおけるゾウを同定するために,異なる深層学習ベースモデルを提案した。いくつかの畳み込みニューラルネットワーク(CNN)ベースのモデルと3つの移動学習(TL)ベースのモデル,すなわち,ResNet50,MobileNet,開始V3を,ゾウ検出のために実験して,調整した。すべてのモデルを,2つの公開データセット,すなわち,ELPephantとRailSem19を用いて構築した約4200の画像を有する合成データセットで試験した。2つの正確なCNNと移動学習ベースのモデルを詳細に提示した。これらの高精度で正確なモデルは,列車を警報し,現場で警報信号を発生できる。提案したCNNと開始ネットワークは,それぞれ,99.53%と99.91%の高精度を示し,ゾウの同定とHEC防止に注目すべきであった。同じモデルは,類似のシナリオで保存するために他の動物のために訓練できる。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *視覚 ,  自動化 ,  学習 ,  警報 ,  ネットワーク ,  森林 ,  伐木 ,  道路 ,  レール ,  画像 ,  *監視装置 ,  録画装置 ,  野生生物 ,  *ゾウ
準シソーラス用語： 深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 人間-ゾウ衝突 ,  鉄道軌道監視 ,  深い視覚 ,  データ増強 ,  転移学習

分類 (1件)： 自然保護  (SB06000L)

タイトルに関連する用語 (5件)： 列車 ,  ゾウ ,  衝突防止 ,  視覚 ,  監視システム