文献

J-GLOBAL ID：201602269269715168   整理番号：16A1356357

単眼道路セグメンテーションのための効率的な深いモデル【Powered by NICT】

Efficient deep models for monocular road segmentation

著者 (3件)： Oliveira Gabriel L. (Department of Computer Science at the University of Freiburg, 79110, Germany) ,  Burgard Wolfram (Department of Computer Science at the University of Freiburg, 79110, Germany) ,  Brox Thomas (Department of Computer Science at the University of Freiburg, 79110, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IROS  ページ： 4885-4891  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 本論文では,畳込みニューラルネットワーク(CNN)による意味的セグメンテーションにおける最近の進歩を利用することにより,従来のRGB画像における道路シーンセグメンテーションの問題を検討した。セグメンテーションネットワークは非常に大きく,現在対話フレーム率で運転していない。この技術はロボットに適用するために,セグメンテーション品質と実行時間との間の最良のトレードオフを提供するいくつかの構造精密化を提案した。これはネットワークの膨張側でクラスとフィルタの間の新しいマッピングにより達成される。ネットワークはエンドツーエンド訓練し,約50msで元の入力分解能で正確な道路/車線予測が得られた。芸術の状態と比較して,ネットワークは,道路と車線セグメンテーションのためのKITTIデータセット上のトップ精度を達成する20×スピードアップを提供した。改善された効率は,道路セグメンテーションタスクによるものではないことを示した。より大きなシーンの複雑性とセグメンテーションデータセット上でまた,精度は大きな高速化の影響を受けない。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 畳込み ,  エンドツーエンド方式 ,  会話 ,  *単眼 ,  ニューラルネットワーク ,  分解能 ,  ロボット ,  *道路 ,  ネットワーク ,  高速化 ,  *セグメンテーション
準シソーラス用語： 複雑性 ,  構造精密化 ,  実行時間 ,  シーン分割 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 単眼 ,  道路 ,  セグメンテーション ,  モデル