文献

J-GLOBAL ID：202202290576534200   整理番号：22A0980663

改良高速RCNNに基づく水上の船舶目標検出【JST・京大機械翻訳】

Ships Target Detection on Water Based on Improved Faster RCNN

著者 (2件)： Wang Changjun (School of Computer Science and Technology, Xinjiang Normal University, Urumqi, Xinjiang, China) ,  Peng Cheng (School of Computer Science and Technology, Xinjiang Normal University, Urumqi, Xinjiang, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 854  ページ： 416-423  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： 水工検出の知的研究は,海洋輸送産業の構築にとって非常に重要である。高速RCNNアルゴリズムに基づいて,本論文は改良Faster RCNNに基づく水工目標検出アルゴリズムを提案した。特徴抽出の間の低レベル特徴情報の重大な損失のため。高レベルと低レベル特徴間の融合経路は長く,情報位置決めの困難さを増加させる。特に,側面融合経路ネットワークを増加して,低レベル特徴の融合と底面からトップまでの高レベル情報を強化した。インターセクション(IoU)結合ボックス損失の勾配が0であり,交差法が判定されない状況の観点から,距離-IoU損失関数を導入して,反復ターゲットボックスをフィルタリングするNMSのプロセスを改善し,位置回帰の精度を改善し,見逃し誤り検出状況を改善した。実験は,異なる気象環境における改良Faster RCNNアルゴリズムが,船舶画像で86.12%の平均精度(mAP)を持ち,それは,Faster RCNNアルゴリズムと比較して13.24%の増加であり,平均IoUは6.94%増加したことを示した。全体の検出精度を改良した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 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 ,  検出 ,  損失関数 ,  ネットワーク ,  気象 ,  *船舶 ,  フィルタリング ,  特徴抽出 ,  位置決め ,  経路 ,  海洋 ,  誤り検出 ,  融合
準シソーラス用語： 検出精度 ,  検出アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： 船舶目標検出 ,  高速RCNN ,  側面融合経路ネットワーク ,  距離IoU

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 水上 ,  船舶 ,  目標