文献

J-GLOBAL ID：201702230204393747   整理番号：17A0504237

物体操作に向けたセマンティクス理解

著者 (1件)： 原田達也 (東京大学大学院情報理工学系研究科)
資料名： 日本ロボット学会誌  (ロボ學)
巻： 35  号： 1  ページ： 17-21(J-STAGE)  発行年： 2017年 
JST資料番号： Y0482A  ISSN： 0289-1824  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ロボットハンドで物体を操作する際に重要な役割を持つ操作のセマンティクス(意味論)について解説した。基礎技術は物体認識,物体検出,セマンティックセグメンテーションである。物体認識は画像の代表点抽出,局所特徴群の統計処理などのステップから構成され,領域候補の抽出を含む物体検出とともに,主に畳み込み型ニューラルネットによる深層学習が利用されている。セマンティックセグメンテーションは物体間の切り分け,マスク推定,物体識別で構成され,マルチタスク直列ネットワークを用いた深層学習などの方法が提案されている。

シソーラス用語： ロボットハンド ,  *操作 ,  *意味論 ,  *物体認識 ,  検出 ,  セグメンテーション ,  機械学習 ,  ニューラルネットワーク ,  認識
準シソーラス用語： *セマンティックス ,  ニューラルネット ,  識別 ,  深層学習 ,  物体検出

著者キーワード (5件)： Object Recognition ,  Detection ,  Semantic Segmentation ,  Communication ,  Deep Learning

分類 (2件)： ロボット工学一般  (IC04011S) ,  パターン認識  (JE07000S)

引用文献 (15件)：

• [1] L.-C. Chen, et al.: “Semantic image segmentation with deep convolutional nets and fully connected crfs,” ICLR, 2015.
• [2] J. Dai, et al.: “Instance-aware semantic segmentation via multi-task network cascades,” CVPR, 2016.
• [3] R. Girshick: “Fast r-cnn,” ICCV, 2015.
• [4] R. Girshick, et al.: “Rich feature hierarchies for accurate object detection and semantic segmentation,” CVPR, 2014.
• [5] B. Hariharan, et al.: “Simultaneous detection and segmentation,” ECCV, 2014.

タイトルに関連する用語 (3件)： 物体操作 ,  セマンティクス ,  理解