抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
単一画像からの3D物体検出と姿勢推定のための手法を提案した。物体の3次元配向を回帰だけであることを現在の技術とは対照的に,提案手法では,最初の深い畳込みニューラルネットワークを用いた比較的安定な3次元物体特性を退縮させると,これらの推定を組み合わせた2次元物体境界ボックスにより提供された幾何学的制約のある完全な3Dバウンディングボックスを生成した。第一ネットワーク出力は新しいハイブリッド離散-連続損失を用いた3Dオブジェクト指向,L2損失の性能を著しく上回るを推定した。第二出力は3D物体寸法,代替案と比較して分散は比較的少ないを退縮させると多くのオブジェクトタイプを予測することができる。これらの推定は,2D境界ボックスによる翻訳に及ぼす幾何学的制約と組み合わせて,安定で正確な3D物体姿勢を回復することができた。3D方向推定の公式計量上の,得られた3D境界ボックスの精度にも挑戦的なKITTI物体検出ベンチマーク[2]上で提案手法を評価した。概念的に単純であるが,提案手法では,意味的セグメンテーション,例えばレベルセグメンテーションと平地事前分布[4]と細分類検出[23][24]を活用するより複雑で計算的に高価な手法よりも優れている。離散-連続損失もPascal3次元+データセット[26]の3次元視点推定に対して最先端技術の結果を生成した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】