文献

J-GLOBAL ID：202202297542069815   整理番号：22A0501183

低光環境における正確な車線検出のための新しい深層学習ネットワーク【JST・京大機械翻訳】

A novel deep learning network for accurate lane detection in low-light environments

著者 (6件)： Song Shuang (Department of Mechanical and Electrical Engineering, Xiamen University, Xiamen, China) ,  Chen Wei (Department of Mechanical and Electrical Engineering, Xiamen University, Xiamen, China) ,  Liu Qianjie (Department of Mechanical and Electrical Engineering, Xiamen University, Xiamen, China) ,  Hu Huosheng (School of Computer Science & Electronic Engineering, University of Essex, Colchester, UK) ,  Huang Tengchao (Department of Mechanical and Electrical Engineering, Xiamen University, Xiamen, China) ,  Zhu Qingyuan (Department of Mechanical and Electrical Engineering, Xiamen University, Xiamen, China)
資料名： Proceedings of the Institution of Mechanical Engineers. Part D. Journal of Automobile Engineering  (Proceedings of the Institution of Mechanical Engineers. Part D. Journal of Automobile Engineering)
巻： 236  号： 2-3  ページ： 424-438  発行年： 2022年 
JST資料番号： H0947A  ISSN： 0954-4070  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： 車線検出アルゴリズムは,先進運転者支援システム(ADAS)において重要な役割を果たし,しかしながら,低光環境における正確な車線認識を達成できない。本論文では,低光環境における正確な車線検出を達成するために,新しい深層ネットワーク構造,すなわちLLSS-Net(低光画像意味セグメンテーション)を提示した。この方法は,低光画像強調のための畳込みニューラルネットワークと車線検出のための意味セグメンテーションネットワークを統合する。画像品質は,まず,低光画像強調ネットワークによって改良し,次に,車線特徴を,意味セグメンテーションを用いて抽出した。最後に,KDツリーモデルを用いて高速車線クラスタリングを行った。都市景観とTu単純データセットを利用して,提案した方法のロバスト性を実証した。実験結果は,提案方法が低光道路における車線検出に優れた性能を有することを示した。Copyright IMechE 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  *ネットワーク ,  道路 ,  クラスタ化 ,  ネットワーク構造 ,  画質 ,  都市景観 ,  画像強調 ,  深層 ,  ロバスト性
準シソーラス用語： 検出アルゴリズム ,  運転者支援システム ,  *車線検出 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 車線検出 ,  セマンティックセグメンテーション ,  畳込みニューラルネットワーク ,  低光画像強調 ,  深層学習

分類 (5件)： 走行装置  (QG03040V) ,  光学的測定とその装置一般  (BD07010S) ,  運転者  (TB01040V) ,  電装品  (QG03070C) ,  試験方法と試験  (QG02040O)

タイトルに関連する用語 (3件)： 光環境 ,  車線検出 ,  深層学習