文献

J-GLOBAL ID：201702228656387797   整理番号：17A0314404

3D形状検索のための自動符号器を用いた深い学習表現【Powered by NICT】

Deep Learning Representation using Autoencoder for 3D Shape Retrieval

著者 (5件)： Zhu Zhuotun (School of Electronic Information and Communications, Huazhong Univerisity of Science and Technology, 1037 Luoyu Road, Wuhan, Hubei Province 430074, P.R. China) ,  Wang Xinggang (School of Electronic Information and Communications, Huazhong Univerisity of Science and Technology, 1037 Luoyu Road, Wuhan, Hubei Province 430074, P.R. China) ,  Bai Song (School of Electronic Information and Communications, Huazhong Univerisity of Science and Technology, 1037 Luoyu Road, Wuhan, Hubei Province 430074, P.R. China) ,  Yao Cong (School of Electronic Information and Communications, Huazhong Univerisity of Science and Technology, 1037 Luoyu Road, Wuhan, Hubei Province 430074, P.R. China) ,  Bai Xiang (School of Electronic Information and Communications, Huazhong Univerisity of Science and Technology, 1037 Luoyu Road, Wuhan, Hubei Province 430074, P.R. China)
資料名： Neurocomputing  (Neurocomputing)
巻： 204  ページ： 41-50  発行年： 2016年09月05日 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 3D形状のための深層学習表現をいかにして構築するかという問題を研究した。深層学習は様々な視覚応用で非常に有効であることを示し,画像分類と物体検出のような。しかし,3D形状認識に成功裡に適用されていない。これは3D形状を3次元空間における複雑な構造をしている,特徴学習のための3D形状の限られた数であるためである。これらの問題を解決するために,2D空間への3D形状を投影し,2D画像の特徴学習のためのオートエンコーダを用いた。高精度3D形状検索性能は,2D画像で学んだ特徴を集めて得た。添加では,提案した深い学習特徴である従来の局所画像記述子に相補的な示した。地球深層学習表現と局所記述子表現を組み合わせることにより,提案手法では,3D形状検索ベンチマーク上で最先端レベルの性能を得ることができた。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *符号器 ,  視覚 ,  画像 ,  *学習 ,  ベンチマーク ,  統制索引語 ,  マッチング
準シソーラス用語： 形状表現 ,  高精度 ,  三次元空間 ,  物体検出 ,  画像分類 ,  深層学習 ,  *三次元形状 ,  *3D形状検索 , 【Automatic Indexing@JST】

著者キーワード (4件)： 3D形状マッチング ,  3D形状検索 ,  自動符号器 ,  形状表現

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 3D形状検索 ,  符号器 ,  学習 ,  表現