文献

J-GLOBAL ID：201702288796407605   整理番号：17A1645016

歩行者検出のためのLiDAR空間クラスタ化と畳込みニューラルネットワークの結合【Powered by NICT】

Combining LiDAR space clustering and convolutional neural networks for pedestrian detection

著者 (3件)： Matti Damien (LTS5, EPFL, Lausanne, Switzerland) ,  Ekenel Hazim Kemal (LTS5, EPFL, Lausanne, Switzerland) ,  Thiran Jean-Philippe (LTS5, EPFL, Lausanne, Switzerland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： AVSS  ページ： 1-6  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： 歩行者検出は,自律車両の安全性と同様に,交通と道路監視のための重要な構成要素である。はこの話題に関する広範なベンチマークし,実際のユースケースシナリオに適用したときに挑戦的な問題であることが示された。純粋画像ベース歩行者検出手法では,最先端技術の結果は,畳込みニューラルネットワーク(CNN)で達成された,驚くべき複数手がかりアプローチに構築されていない検出フレームワーク。本研究では,LiDARデータを利用し,視覚情報に加えて自律車両のための新しい歩行者検出器を開発した。提案手法では,LiDARデータを用いて,それが提供することを三次元点雲を処理することにより領域提案を生成した。これらの候補領域は,歩行者検出のための微調整した最先端技術を用いたCNN分類器により処理した。KITTIデータセット上で提案した検出プロセスを広く評価した。実験結果は,提案したLiDAR空間クラスタリングアプローチは,より高い再現率をもたらす発生領域の非常に効率的な方法を提供し,歩行者検出のためのミス少ないことを示した。これはLiDARデータはCNNベースアプローチのための補助情報を提供することが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： ベンチマーク ,  三次元 ,  *クラスタ化 ,  *ニューラルネットワーク ,  安全性 ,  *畳込み ,  道路 ,  画像
準シソーラス用語： 再現率 ,  微調整 ,  視覚情報 ,  LIDARデータ ,  最先端技術 ,  自律性 ,  *歩行者検出 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 歩行者検出 ,  LIDAR ,  クラスタ化 ,  畳込みニューラルネットワーク