文献

J-GLOBAL ID：201702233344042331   整理番号：17A1271258

マトリックスにおける運転:仮想世界は実世界タスクのための人間が生成したアノテーションに取って代わることができる【Powered by NICT】

Driving in the Matrix: Can virtual worlds replace human-generated annotations for real world tasks?

著者 (6件)： Johnson-Roberson Matthew (Department of Naval Architecture and Marine Engineering, University of Michigan, Ann Arbor, MI 48109 USA) ,  Barto Charles (Electrical Engineering and Computer Science, University of Michigan, Ann Arbor, MI 48109 USA) ,  Mehta Rounak (Robotics Program, University of Michigan, Ann Arbor, MI 48109 USA) ,  Sridhar Sharath Nittur (Electrical Engineering and Computer Science, University of Michigan, Ann Arbor, MI 48109 USA) ,  Rosaen Karl (Electrical Engineering and Computer Science, University of Michigan, Ann Arbor, MI 48109 USA) ,  Vasudevan Ram (Mechanical Engineering, University of Michigan, Ann Arbor, MI 48109 USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRA  ページ： 746-753  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： 深層学習は,コンピュータビジョンとロボット工学におけるさまざまな問題に取り組むために用いられる最先端のアルゴリズムを形質転換した急速に高まってきた。これらのブレークスルーは大量ヒトアノテーション済み訓練データに依存してきた。時間のかかるプロセスはこれらの深い学習の取り組みの進捗を妨げる始めている。シミュレーションエンジンからフォトリアリスティックコンピュータ画像を機械学習アルゴリズムの訓練に使用できる注釈付きデータを迅速に作成する方法を述べた。は,これらの合成注釈のみを用いて訓練された,最新アーキテクチャの状態はヒト注釈付き実世界データ上で訓練された同一構造よりも優れていることを示し,車両検出のKITTIデータで試験した。豊かな仮想世界に対する訓練機械学習アルゴリズムにより,実シーンにおける実物体を学習し,合成データを用いて分類することができた。この手法は,自己駆動車に現れるようなセンサをベースとした分類問題への深層学習の応用を加速する可能性を提供する。本論文で記述したネットワークを訓練し,検証するためにソースコードやデータは,研究者にとって利用可能である。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： 学習アルゴリズム ,  コンピュータビジョン ,  計算機アーキテクチャ ,  センサ ,  *アノテーション ,  ヒト ,  ネットワーク ,  画像 ,  アルゴリズム
準シソーラス用語： ソースコード ,  車両検出 ,  訓練データ ,  ロボット工学 ,  深層学習 ,  *仮想世界 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： マトリックス ,  仮想世界 ,  世界 ,  タスク ,  人間 ,  アノテーション