抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
学習ベースアプローチはまだオプティカルフロー推定におけるそれらの完全な可能性を達成されなかった,それらの性能はまだて回る発見的方法である。本論文では,オプティカルフロー推定のためのCNNベースパッチマッチングアプローチを提案した。著者らの手法の重要な寄与は,シャムネットワークのための新しい閾値損失である。損失は,既存の損失よりも明らかに優れていることを実証した。も著者らの試験で2の因子による訓練をスピードアップを可能にした。さらに,異なる画像スケールの特徴を基礎にしたCNN,既存の方法よりも優れた性能を計算するための新しい方法を示した。もオプティカルフローのためのパッチマッチングの適用のための学習された特徴のロバスト性を評価する新しい方法を検討した。本論文の興味ある発見は,特徴マップの低域フィルタリングでは,CNNにより生成された特徴のロバスト性を増加させることができることである。は全三データセット上で最先端技術レベルの結果を得られたがKITTI2012KITTI2015およびMPI Sintel評価ポータルに提出により提案アプローチの比肩可能な性能を証明した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】