文献

J-GLOBAL ID：201702217309457030   整理番号：17A1773455

深層学習と幾何学を用いた3次元境界ボックス推定【Powered by NICT】

3D Bounding Box Estimation Using Deep Learning and Geometry

著者 (4件)： Mousavian Arsalan ,  Anguelov Dragomir ,  Flynn John ,  Kosecka Jana
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 5632-5640  発行年： 2017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】

シソーラス用語： *幾何学 ,  到来方向推定 ,  *三次元 ,  セグメンテーション ,  ニューラルネットワーク ,  ベンチマーク ,  畳込み ,  平野 ,  二次元 ,  ネットワーク ,  画像
準シソーラス用語： 事前分布 ,  姿勢推定 ,  物体検出 ,  *深層学習 , 【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 (6件)： 深層学習 ,  幾何学 ,  3次元 ,  境界 ,  ボックス ,  推定