文献

J-GLOBAL ID：202202291400142893   整理番号：22A1086215

マルチブランチシャトルニューラルネットワークを用いた前方観測ソナー画像における弱および小ターゲットの検出【JST・京大機械翻訳】

Detection of Weak and Small Targets in Forward-Looking Sonar Image Using Multi-Branch Shuttle Neural Network

著者 (5件)： Wang Jianjun (School of Information Science and Engineering, Ocean University of China, Qingdao, China) ,  Feng Chen (School of Information Science and Engineering, Ocean University of China, Qingdao, China) ,  Wang Lingyu (School of Information Science and Engineering, Ocean University of China, Qingdao, China) ,  Li Guangliang (School of Information Science and Engineering, Ocean University of China, Qingdao, China) ,  He Bo (School of Information Science and Engineering, Ocean University of China, Qingdao, China)
資料名： IEEE Sensors Journal  (IEEE Sensors Journal)
巻： 22  号： 7  ページ： 6772-6783  発行年： 2022年 
JST資料番号： W1318A  ISSN： 1530-437X  CODEN： ISJEAZ  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： 自律潜水車(AUV)は自動ナビゲーション装置であり,監視なしで水中調査と検出を独立して完了できる。しかし,海洋環境はますます深刻になっており,漁師によってキャストされた海洋と魚網のごみはAUVの作業に大きい負の影響を持っている。水中ソナー画像における弱および小ターゲットの最先端のネットワーク検出における低精度と低速の問題を解決するために,Yoo5をマルチブランチシャトルニューラルネットワークを構築することによって改良して,このデータセットをマルチビーム前方監視ソナージェミニ720iによって収集して,「フィッシュネット」および2つの代表的タイプの編みおよびプラスチック廃棄物,すなわち「クロット」および「プラスチック袋」を含んだ。オリジナルのデータセットを強化,バランスさせ,モデル性能に及ぼすデータセット分布の影響を研究した。予訓練を利用して,Yoo5ファミリー,すなわち,Yoo5s,Yoo5m,Yoo5lおよびYoo5xの影響を,このファミリーのより深くてより広いネットワークの弱いおよび小さな標的を検出する影響を調査するために,平衡データセットを用いて比較した。さらに,Yoo5sと軽量ネットワーク,すなわちMobileNet3とShuffNet2の組合せを実験し,さらに提案したネットワークの有効性を例証し,AUVの高精度と実時間要求を満足できた。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： 検出 ,  *ソナー ,  *ターゲット ,  *ネットワーク ,  潜水 ,  *ニューラルネットワーク ,  海洋環境 ,  高分子廃棄物 ,  海洋 ,  モデル ,  低速度 ,  漁網 ,  有効性
準シソーラス用語： 自律性 ,  高精度 , 【Automatic Indexing@JST】

分類 (1件)： 無線通信一般  (ND08010L)

タイトルに関連する用語 (3件)： 観測 ,  ソナー ,  ターゲット