{"product_id":"ieej-zt173104","title":"属性推定に基づく複数CNNを用いた対象計数","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e全国大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003e3-104\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【全国大会】平成29年電気学会全国大会論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2017\/03\/05\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eObject Counting Using Multiple CNNs Based on Attribute Estimation\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e熊谷 章平(名城大学),堀田 一弘(名城大学)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eShohei Kumagai|Kazuhiro Hotta\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003e対象計数|Convolutional Neural Network|予測器統合\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e画像中に写る対象を数える対象計数に取り組む．対象計数では1つの予測器を用いた計数手法が提案されている．しかし，見えの変化に対して1つの予測器だけでは頑健な計数を行うことは困難であると考えられる．一方で複数の予測器を用いる手法としてCA-RRがある．CA-RRは複数の予測器を用いるため，予測器を1つだけ用いる場合と比較して高い精度が得られている．しかし，CA-RRは多出力リッジ回帰を用いるため特徴量や各予測器の役割は人手により決定されている．本稿ではCA-RRを拡張し，複数のCNNを利用した計数手法を提案する. CNNは学習により有効な特徴量及び予測器の役割を得るため，CA-RRと比較し高い精度が得られる事を確認した．\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e原稿種別: \u003c\/strong\u003e日本語\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e503 Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 2","offer_id":46400508985583,"sku":"IEEJ-ZT173104-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_02f560c5-6e09-49dd-8e37-3da8314714f6.png?v=1744925850","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-zt173104","provider":"電気学会 電子図書館","version":"1.0","type":"link"}