文献

J-GLOBAL ID：202202286455119447   整理番号：22A0311668

マシンビジョンと深層学習に基づく目標認識とグラブ位置【JST・京大機械翻訳】

Target Recognition and Grab Location Based on Machine Vision and Deep Learning

著者 (10件)： Yao Jin (School of Mechanical and Material Engineering, Wuzhou University, Wuzhou, Guangxi, China) ,  Feng Jing (School of Mechanical and Material Engineering, Wuzhou University, Wuzhou, Guangxi, China) ,  Liu Yuzhou (School of Mechanical and Material Engineering, Wuzhou University, Wuzhou, Guangxi, China) ,  Chen Licheng (School of Mechanical and Material Engineering, Wuzhou University, Wuzhou, Guangxi, China) ,  You Rentang (School of Mechanical and Material Engineering, Wuzhou University, Wuzhou, Guangxi, China) ,  Sun Jiaxing (School of Mechanical and Material Engineering, Wuzhou University, Wuzhou, Guangxi, China) ,  Zhang Xiaofei (School of Mechanical and Material Engineering, Wuzhou University, Wuzhou, Guangxi, China) ,  Xiang Yongzhi (School of Mechanical and Material Engineering, Wuzhou University, Wuzhou, Guangxi, China) ,  Chen Xiaoyun (School of Mechanical and Material Engineering, Wuzhou University, Wuzhou, Guangxi, China) ,  Li Hui (School of Mechanical and Material Engineering, Wuzhou University, Wuzhou, Guangxi, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 747  ページ： 2013-2020  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
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： ターゲット認識とソーティングの応用は,産業自動化のレベルを大いに改善し,人間の手を解放して,効果的に資源を節約して,効率を改善した。本論文の目的は,マシンビジョンと深層学習に基づくターゲット認識と位置を研究することである。最初に,マシンビジョンの開発をまとめて,空間構造特徴抽出器のアルゴリズムを提案して,融合モデルの全体の構造を簡単に説明した。本論文のネットワークモデルをSSDのものと比較する後に,ネットワーク位置決め精度を分析する。実験結果は,閾値IoUが0.5未満であるとき,より速いR-CNNの検出性能はSSDネットワークのものより良いことを示して,閾値IoUが0.5以上のとき,状況は反対であった。実験結果は,SSDネットワークの位置決め精度が高速R-CNNのものより高く,2つのネットワークモデルの間の総合的検出性能ギャップが位置決め精度のためのタスク要求の改善で逆になることを示す。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2021 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 ,  自動化 ,  ネットワーク ,  特徴抽出 ,  精度 ,  立体構造 ,  位置 ,  位置決め ,  *物体認識 ,  ソーティング ,  *機械学習
準シソーラス用語： ネットワークモデル ,  検出能 ,  位置決め精度 ,  *マシンビジョン ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械視覚 ,  深層学習 ,  目標認識 ,  グラブ位置決め

分類 (4件)： 移動通信  (ND08030H) ,  無線通信一般  (ND08010L) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： マシンビジョン ,  深層学習 ,  目標認識 ,  グラブ