文献

J-GLOBAL ID：201602268528609846   整理番号：16A0654071

カメラ再局在化のための深い学習における不確実性モデル化【Powered by NICT】

Modelling uncertainty in deep learning for camera relocalization

著者 (2件)： Kendall Alex (Department of Engineering, University of Cambridge, UK) ,  Cipolla Roberto (Department of Engineering, University of Cambridge, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICRA  ページ： 4762-4769  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： ロバストで実時間単眼六自由度視覚再局在化システムを示した。6自由度カメラ単一RGB画像からの姿勢にBayes畳込みニューラルネットワークを用いた。付加的エンジニアリングまたはグラフ最適化の必要性とエンドツーエンド的に訓練されていない。アルゴリズムを実時間で屋内と屋外で作動し,計算するために6ms以下してできる。屋外シーンと0.5mと10°精度屋内非常に大規模の約2mと6°精度を得た。Bayes畳込みニューラルネットワークを用いて,モデルの再局在化不確実性の推定を得て,大規模屋外データセットに関する最新位置決め精度の状態を改善した。計量再局在化誤差を推定し,入力画像におけるシーンの有無を検出するための不確実性測度のレバレッジを行った。モデルの不確実性は,姿勢や形態にも訓練データセットに似ていなかっ画像により引き起こされることを示した。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： ロバスト性 ,  最適化 ,  単眼 ,  *不確実性 ,  自由度 ,  畳込み ,  *モデリング ,  測度 ,  ニューラルネットワーク ,  データセット ,  屋内 ,  改変
準シソーラス用語： 訓練データ ,  位置決め精度 ,  実時間 ,  *局在化 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 局在化 ,  学習 ,  不確実性 ,  モデル化