文献

J-GLOBAL ID：201602289327011796   整理番号：16A1403989

完全畳込み残留ネットワークを用いたより深い深さ予測【Powered by NICT】

Deeper Depth Prediction with Fully Convolutional Residual Networks

著者 (5件)： Laina Iro ,  Rupprecht Christian ,  Belagiannis Vasileios ,  Tombari Federico ,  Navab Nassir
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： 3DV  ページ： 239-248  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： 単一RGB画像を与えられたシーンの奥行きマップを推定する問題を取り上げて論じた。単眼画像と深さマップの間の不明瞭なマッピングをモデル化するために,残留学習を含む,完全に畳込みアーキテクチャを提案した。出力分解能を改善するために,著者等はネットワーク内の特徴マップアップサンプリングを効率的に学習するための新しい方法を示した。最適化のために,深さマップ中に一般的に存在する値分布により駆動された手のタスクに特に適していることを逆Huber損失を導入した。著者らのモデルは,エンドツーエンド訓練し,後処理技術に依存しない単一アーキテクチャから構成されており,CRFまたは他の付加的精密化段階である。その結果,画像やビデオ上で実時間で実行される。評価では,提案したモデルは,より少ないパラメータを含み,現在の技術状態より少ない訓練データを必要とすることを示し,深さ推定に関するすべての方法を凌駕した。コードとモデルは公開利用が可能である。Copyright 2017 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： 精密化 ,  計算機アーキテクチャ ,  *畳込み ,  最適化 ,  単眼 ,  録画装置 ,  分解能 ,  エンドツーエンド方式 ,  モデリング ,  画像 ,  後処理 ,  学習 ,  奥行きマップ ,  改変
準シソーラス用語： 訓練データ ,  アップサンプリング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 畳込み ,  残留 ,  予測