文献

J-GLOBAL ID：202502259196670508   整理番号：25A1710387

Growing Neural Gasを用いた3次元サリエンシーマップ推定

Saliency Map Estimation Using Growing Neural Gas

著者 (3件)： 古田優泰 (岡山大学 大学院環境生命自然科学研究科) ,  戸田雄一郎 (岡山大学 大学院環境生命自然科学研究科) ,  松野隆幸 (岡山大学 大学院環境生命自然科学研究科)
資料名： 知能と情報(CD-ROM)  (日本知能情報ファジィ学会誌(CD-ROM))
巻： 37  号： 2  ページ： 607-617(J-STAGE)  発行年： 2025年 
JST資料番号： L0501B  ISSN： 1881-7203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年の自律移動ロボットには高精度な環境認識が求められており,安全な走行のために小さな障害物や物体の凹凸など目立つ領域や注目箇所を特定し精度よく推定を行う必要がある.そのための手法としてサリエンシーの研究が盛んに行われている.サリエンシーの研究はKoch & Ullmanの原理モデルに始まり,カメラ画像やRGB画像と深度情報を組み合わせたRGB-Dなどを入力とした手法が数多く提案されている.しかし,これらの手法では画像を入力としており空間的な特徴を取得しづらい点から,自律移動ロボットへサリエンシーを適用するためには3次元点群を入力とする手法が必要となる.そこで本研究では,Growing Neural Gas(GNG)を用いることで3次元点群を入力とした位相構造を構築し,位相構造と中心周辺抑制機構を活用することでサリエンシーマップを構築する手法を提案する.本手法を用いることで,従来の研究に比べて,より詳細な注視領域の特定が可能となる.本論文では,ベンチマークデータおよび実環境における3次元点群を用いた実験を通じて,提案手法の有用性を検証する.(著者抄録)

シソーラス用語： *ニューラルガス ,  *自律移動ロボット ,  *物体認識 ,  *画像認識 ,  *障害物回避 ,  *障害物検出 ,  特徴抽出 ,  写真像 ,  RGB ,  深度画像 ,  点群データ ,  位相幾何学
準シソーラス用語： 3次元点群データ ,  RGB画像 ,  カメラ画像 ,  位相構造 ,  *環境認識

著者キーワード (6件)： Growing Neural Gas ,  サリエンシー ,  3次元空間知覚 ,  Growing Neural Gas ,  saliency ,  3D space perception

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

引用文献 (31件)：

• [1] B. Fritzke: “A growing neural gas network learns topologies,” Proc. of the 8th Int. Conf. on Neural Information Processing Systems, pp. 625-632, 1994.
• [2] Y. Toda, T. Matsuno, and M. Minami: “Multilayer batch learning growing neural gas for learning multiscale topologies,” J. Adv. Comput. Intell. Intell. Inform., Vol.25, No.6, pp. 1011-1023, 2021.
• [3] Y. Toda, H. Miyase, K. Nagao, Q. Li, T. Matsuno, and M. Minami: “Growing neural gas based space perception for semi-autonomous teleoperation system,” Proc. of the 27th Int. Symp. on Artificial Life and Robotics, pp. 1338-1343, 2022.
• [4] Y. Toda, A. Wada, H. Miyase, K. Ozasa, T. Matsuno, and M. Minami: “Growing neural gas with different topologies for 3D space perception,” Applied Sciences, Vol.12, No.3, Article No.1705, 2022.
• [5] K. Ozasa, Y. Toda, and T. Matsuno: “Growing neural gas based traversability clustering for an autonomous robot,” 2023 Int. Joint Conf. on Neural Networks, 2023. https://doi.org/10.1109/IJCNN54540.2023.10191416

タイトルに関連する用語 (2件)： 3次元 ,  推定