文献

J-GLOBAL ID：201802219723228900   整理番号：18A0536185

単一ショット2D3D画像regisraton【Powered by NICT】

Single shot 2D3D image regisraton

著者 (4件)： Xie Yi (Beihang University School of Astronautics Beijng, China) ,  Meng Cai (Beihang University School of Astronautics Beijng, China) ,  Guan ShaoYa (Beihang University School of Astronautics Beijng, China) ,  Wang Qi (Beihang University School of Astronautics Beijng, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CISP-BMEI  ページ： 1-5  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： 本論文では,非常に深い11量層,単一ショットおよび実時間2D/3Dレジストレーションのための畳込みニューラルネットワーク(CNN)回帰モデルを提案した。最適化ベース法,レジストレーションの品質を表すスカラー値距離関数上での変換パラメータを反復的に最適化するとは異なり,提案した方法はディジタル再構成放射線写真(DRR)とX線画像の出現に埋め込まれた情報を利用して,変換パラメータを直接推定するためCNN回帰を採用している。元の複雑な問題をいくつかの部分と間接的な方法を採用した以前のCNNアプローチとは異なり,畳込みニューラルネットワークをendeepを続けるとこのレジストレーション問題を扱うためにはるかに深くネットワークを訓練した。DRRsのズーミングを適合より効果的にするために,マルチスケール畳み込みカーネルネットワークを設計さらに多かった。実験結果は,計算効率と精度における提案した方法の利点を実証した。研究は強力な畳込みニューラルネットワークは,生画像データをマッピングレジストレーションパラメータに直接的な方法で2D/3Dregistrationにおける高い精度と実時間を達成することを非常に複雑な回帰関数を学習できることを示している。Copyright 2018 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： ネットワーク ,  ディジタル方式 ,  *粒状材 ,  最適化 ,  *二次元 ,  畳込み ,  *三次元 ,  回帰モデル ,  X線画像 ,  再構成
準シソーラス用語： 画像データ ,  計算効率 ,  マルチスケール ,  畳込みニューラルネットワーク ,  実時間 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (1件)： ショット