文献

J-GLOBAL ID：201702267818601133   整理番号：17A1277293

CNNによるRGB-D画像パッチを比較するための学習類似性計量【Powered by NICT】

Learning similarity metric for comparing RGB-D image patches by CNN

著者 (2件)： Seo Ju-Hwan (Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology, Daejeon, 34141, S. Korea) ,  Kwon Dong-Soo (Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology, Daejeon, 34141, S. Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： URAI  ページ： 490-491  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： 本研究では,RGB-D画像パッチを比較するためのRGB-D画像データから特徴表現と類似性距離関数を直接学習するか示した。画像対を比較物体追跡,分類とレジストレーションのようなロボット応用における多数のビジョン問題のための基本的な課題の一つである。それらの中で,特にオブジェクトレジストレーションと追跡に焦点を当てた。オブジェクトを登録・追跡の伝統的方法は,目標オブジェクトの前既知のパラメトリックモデルを使用した。しかし,ロボットは既知のオブジェクトモデルを使用せずに様々な物体を扱う必要がある。ノンパラメトリック方法で物体に対処するために,現在それぞれによる以前の時間で物体の各部位別に関連するが必要である結合データは,物体の同じ部分を示す。このために,ボクセル比較に基づく特徴マッチング法を提案した。前回で各ボクセルは,特徴空間における最も類似していることを現在と関連している。特徴は,回転分散をするように変形されたワシントンRGB Dオブジェクトデータセットを用いた畳込みニューラルネットワーク(CNN)を訓練することにより抽出した。構造はこの課題に適した見つけるために複数のニューラルネットワーク構造を探索し,研究した。各構造の性能を,受信者動作特性(ROC)曲線により比較した。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： *類似性 ,  *画像 ,  ニューラルネットワーク ,  ノンパラメトリック法 ,  旋光分散 ,  ロボット ,  ボクセル ,  *学習 ,  畳込み
準シソーラス用語： 特徴空間 ,  特徴マッチング ,  パラメトリックモデル ,  物体追跡 ,  距離関数 ,  特徴表現 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： CNN ,  RGB-D ,  パッチ ,  学習 ,  類似性 ,  計量