文献

J-GLOBAL ID：201702262683368460   整理番号：17A1648142

災害シナリオにおける移動ロボットのための畳込みニューラルネットワークを用いた実時間シーンパージング【Powered by NICT】

Real-time scene parsing by means of a convolutional neural network for mobile robots in disaster scenarios

著者 (2件)： Arnold Solvi (Department of Mechanical Systems Engineering, Shinshu University, 380-8553 Nagano Prefecture, Nagano city, Wakasato 4-17-1) ,  Yamazaki Kimitoshi (Department of Mechanical Systems Engineering, Shinshu University, 380-8553 Nagano Prefecture, Nagano city, Wakasato 4-17-1)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIA  ページ： 201-207  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： 災害ロボットは,コンピュータビジョン,画像特徴(モーションブラー,困難な光条件,アップ/ダウン配向の欠如,などによる)の点で,学習データ(限られた入手可能性,画像品質によるアノテーションの難しさ,など)の両面での特別な課題を提起している。実時間シーンパージングのためのシステム,災害分野で採用されている遠隔制御移動ロボットの運転者支援システムでの利用を意図したを開発した。著者らのテストベッドは,(人工的)崩壊建物環境を探索するヘビ型移動ロボットにより収集したビデオ映像である。システムの核は,比較的小規模畳込みニューラルネットワークである。我々のアプローチは,スーパーピクセルレベル分類と画素レベル学習を組み合わせた比較的少数部分注釈付きフレームのから効率的に学習するために。著者らの分類システムは,実時間動作が可能であり,畳込みニューラルネットワークは,災害ロボットによって課された厳しい条件下でも効果的に適用できることを示した。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： 画像ぼけ ,  *ロボット ,  *移動ロボット ,  アノテーション ,  *ニューラルネットワーク ,  画素 ,  遠隔制御 ,  *畳込み ,  学習 ,  アベイラビリティ ,  コンピュータビジョン
準シソーラス用語： ビデオ映像 ,  テストベッド ,  学習データ ,  *実時間 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (7件)： 災害 ,  シナリオ ,  ロボット ,  畳込みニューラルネットワーク ,  実時間 ,  シーン ,  パージング