文献

J-GLOBAL ID：202202292743316734   整理番号：22A1036244

自律車両のための改良型スパースR-CNNによる交通標識検出【JST・京大機械翻訳】

Traffic Sign Detection via Improved Sparse R-CNN for Autonomous Vehicles

著者 (8件)： Liang Tianjiao (Beijing Key Laboratory of Information Service Engineering, Beijing Union University, Beijing, China) ,  Liang Tianjiao (College of Robotics, Beijing Union University, Beijing, China) ,  Bao Hong (Beijing Key Laboratory of Information Service Engineering, Beijing Union University, Beijing, China) ,  Bao Hong (College of Robotics, Beijing Union University, Beijing, China) ,  Pan Weiguo (Beijing Key Laboratory of Information Service Engineering, Beijing Union University, Beijing, China) ,  Pan Weiguo (College of Robotics, Beijing Union University, Beijing, China) ,  Pan Feng (Beijing Key Laboratory of Information Service Engineering, Beijing Union University, Beijing, China) ,  Pan Feng (College of Robotics, Beijing Union University, Beijing, China)
資料名： Journal of Advanced Transportation  (Journal of Advanced Transportation)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： D0581A  ISSN： 0197-6729  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 交通サイン検出は自律車の重要な構成要素である。既存の検出アルゴリズムと実際のトラフィック場面における実用化の間には,まだ不整合問題があり,それは主に検出精度とデータ収集によるものである。この問題に取り組むために,本研究は,ResNeStと座標注意ブロックを統合する改良スパースR-CNNを提案して,バックボーンを修正するために特徴ピラミッドを構築し,それは,抽出特徴を重要な情報に焦点を合わせ,そして,検出精度を改善することができた。より多様なデータを得るために,用いた増強法を,複雑な交通シナリオのために特別に設計し,また,本研究では,交通標識データセットも提示した。路上自律車両のために,著者らは,検出アルゴリズムのロバスト性を改良するために,2つのモジュール,自己適応増強(SAA)と検出時間増加(DTA)を設計した。交通サインデータセットと路上試験に関する評価は,提案した方法の精度と有効性を実証した。Copyright 2022 Tianjiao Liang et al. 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 ,  *交通標識 ,  改良 ,  不整合 ,  角錐 ,  *交通 ,  データ収集 ,  有効性 ,  注意 ,  ロバスト性
準シソーラス用語： 自律性 ,  自己適応 ,  検出精度 ,  検出アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： 交通調査  (TB01031B)

引用文献 (50件)：

• G. Aceto, D. Ciuonzo, A. Montieri, A. Pescape, "Mobile encrypted traffic classification using deep learning: experimental evaluation, lessons learned, and challenges," IEEE Transactions on Network and Service Management, vol. 16, no. 2, pp. 445-458, 2019.
• T. O'Shea, J. Hoydis, "An introduction to deep learning for the physical layer," IEEE Transactions on Cognitive Communications and Networking, vol. 3, no. 4, pp. 563-575, 2017.
• A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A. N. Gomez, L. Kaiser, I. Polosukhin, "Attention is all you need," Proceedings of the 31st International Conference on Neural Information Processing Systems, pp. 6000-6010, Long Beach, California, USA, May 2017.
• A. Dosovitskiy, L. Beyer, A. Kolesnikov, D. Weissenborn, X. Zhai, T. Unterthiner, M. Dehghani, M. Minderer, G. Heigold, S. Gelly, J. Uszkoreit, N. Houlsby, "An image is worth 16x16 words: transformers for image recognition at scale," 2021, http://arxiv.org/abs/2010.11929.
• N. Carion, F. Massa, G. Synnaeve, N. Usunier, A. Kirillov, S. Zagoruyko, "End-to-End object detection with transformers," Proceedings of the Computer Vision - ECCV 2020, pp. 213-229, Springer International Publishing, Glasgow, UK, August 2020.

タイトルに関連する用語 (3件)： 自律 ,  CNN ,  交通標識