文献

J-GLOBAL ID：202202268825371126   整理番号：22A0590958

UAVのための低待ち時間空中画像オブジェクト検出【JST・京大機械翻訳】

Low-Latency Aerial Images Object Detection for UAV

著者 (5件)： Feng Kai (School of Automation, Beijing Institute of Technology, Beijing 100081, P. R. China) ,  Li Weixing (School of Automation, Beijing Institute of Technology, Beijing 100081, P. R. China) ,  Han Jun (School of Automation, Beijing Institute of Technology, Beijing 100081, P. R. China) ,  Pan Feng (School of Automation, Beijing Institute of Technology, Beijing 100081, P. R. China) ,  Pan Feng (Kunming-BIT Industry Technology, Research Institute Co. Ltd, Kunming 650106, P. R. China)
資料名： Unmanned Systems  (Unmanned Systems)
巻： 10  号： 1  ページ： 57-67  発行年： 2022年 
JST資料番号： W3755A  ISSN： 2301-3850  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： シンガポール (SGP)  言語： 英語 (EN)

抄録/ポイント： 視覚ベースの物体検出は,無人航空機(UAV)のセキュリティと監視に大きな応用がある。一方,オブジェクト検出器は,低待ち時間に必要であり,埋込み搭載プラットフォーム上に展開するのが容易である。これらの問題に取り組むために,YOLOv3とPANetアルゴリズムに基づくPA-YOLOv3空中画像オブジェクト検出器を提示し,埋込みプラットフォームに展開できる。PA-YOLOv3モデルは,ネットワークの特徴融合段階における特徴抽出と発現能力を改善するために,二重タワー構造を使用する。そのうえ,著者らは,剪定の間の異なった特徴層のモデルサイズと不均衡を減らすために,平衡枝刈り方式を提案する。平衡剪定の後,モデルの潜伏期とサイズは著しく減少した。最後に,著者らは,TensorRT技術による組込みプラットフォームに関するモデルを展開して,定量化して,試験のためにUAVシステムに関してモデルを適用した。包括的実験をVisDone2018データセットと実世界シナリオで行った。実験結果は,高い検出精度を維持しながら,約[数式:原文を参照]モデル剪定と量子化のPA-YOLOv3ブーストの推論速度を示した。Copyright 2022 World Scientific Publishing Company All rights reserved. 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 ,  視覚 ,  量子化 ,  ネットワーク ,  特徴抽出 ,  *画像 ,  塔状構造物 ,  無人機 ,  モデル ,  *待ち時間 ,  セキュリティ
準シソーラス用語： 不均衡 ,  *物体検出 ,  検出精度 ,  *空中画像 ,  特徴融合 , 【Automatic Indexing@JST】

著者キーワード (4件)： オブジェクト検出 ,  モデル枝刈り ,  埋込みプラットフォーム展開 ,  無人航空機(UAV)

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： UAV ,  待ち時間 ,  空中画像 ,  オブジェクト検出