文献

J-GLOBAL ID：202202291794280366   整理番号：22A1195398

YOLOv5の交通灯リアルタイム検出ロバストアルゴリズムを改良した。【JST・京大機械翻訳】

Improved YOLOv5 Traffic Light Real-Time Detection Robust Algorithm

著者 (3件)： Qian Wu (上海工程技術大学 電子電气工程学院,上海 201620) ,  Wang Guozhong (上海工程技術大学 電子電气工程学院,上海 201620) ,  Li Guoping (上海工程技術大学 電子電气工程学院,上海 201620)
資料名： Jisuanji Kexue Yutansuo  (Jisuanji Kexue Yutansuo)
巻： 16  号： 1  ページ： 231-241  発行年： 2022年 
JST資料番号： C2939A  ISSN： 1673-9418  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 交通ランプ検出アルゴリズムは自動運転タスクの重要な一環として、直接知能自動車の走行安全に関わっている。交通ランプのスケールが小さく、環境が複雑であるため、アルゴリズムの研究に困難をもたらした。交通検出に存在する痛点に対して、YOLOv5を改善させる交通灯検出アルゴリズムを提案した。最初に,可視ラベル比を用いてモデル入力を決定した。次に,ACBlock構造を導入して,主幹ネットワークの特徴抽出能力を増加させ,SoftPoolを設計して,主幹ネットワークのサンプリング情報損失を減らし,DSConvコンボリューションカーネルを用いて,モデルパラメータを低減した。最後に,記憶特性融合ネットワークを設計し,高レベルセマンティック情報と下位特徴を効率的に利用した。モデル入力と主幹ネットワークの改良は,複雑な環境における特徴の抽出能力を直接改良して,特徴融合ネットワークを改良して,特徴情報を完全に利用して,目標位置と境界回帰の精度を増加した。実験結果は,改良方式がBDD100Kデータセットで74.3%のAPと111frame/sの検出速度を取得でき,YOLOv5より11.0ポイントのAPが高まることを示した。Boschデータセットにおいて,84.4%のAPと126frame/sの検出速度が得られ,YOLOv5より9.3ポイントのAPが高まった。ロバスト性試験結果は,改良モデルが,種々の複雑な環境におけるターゲットの検出能力を著しく向上して,ロバスト性を増加させて,高精度リアルタイム検出を達成することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  検出 ,  自動車 ,  ネットワーク ,  自動運転 ,  照明 ,  特徴抽出 ,  記憶特性 ,  モデル ,  *交通 ,  ロバスト性
準シソーラス用語： モデルパラメータ ,  実時間 ,  検出アルゴリズム ,  データ損失 , 【Automatic Indexing@JST】

分類 (5件)： 数値計算  (JE02000J) ,  計算機網  (JC03000K) ,  人工知能  (JE08000Z) ,  交通調査  (TB01031B) ,  交通管制・規制  (TB01032S)

タイトルに関連する用語 (4件)： 交通 ,  リアルタイム ,  ロバスト ,  アルゴリズム