文献

J-GLOBAL ID：201802220619647269   整理番号：18A0518851

ロバストなステレオマッチングのための畳込みコスト凝集【Powered by NICT】

Convolutional cost aggregation for robust stereo matching

著者 (4件)： Jeong Somi (School of Electrical and Electronic Engineering, Yonsei University, Seoul, Korea) ,  Kim Seungryong (School of Electrical and Electronic Engineering, Yonsei University, Seoul, Korea) ,  Ham Bumsub (School of Electrical and Electronic Engineering, Yonsei University, Seoul, Korea) ,  Sohn Kwanghoon (School of Electrical and Electronic Engineering, Yonsei University, Seoul, Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 2523-2527  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： 畳込みニューラルネットワーク(CNN)に基づくステレオマッチング法は,それらのロバスト性のおかげでますます一般的になってきたが,それらは主にたマッチングコスト計算に焦点を合わせている。CNNを活用することにより,ステレオマッチング性能を高めるためにコスト凝集を整合させるための新しい方法を示した。著者らの洞察は完全に畳込み的にコスト凝集のためのCNNアーキテクチャ内でコンボリューションカーネルを学習することである。コスト凝集問題に適合し,著者らの方法は最適学習CNNによる畳込み凝集の面から手製法とは異なっている。最初に,マッチングコストはコストボリューム単項ネットワークと凝集,そして全体的なエネルギー最小化内で,視差境界対ネットワークを通して推定した陽的視差境界を持つ最適化した。実験は筆者らの手法が従来の手作りの凝集法より優れていることを実証した。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： 凝集処理 ,  *マッチング ,  *ロバスト性 ,  *畳込み ,  視差 ,  ネットワーク ,  *凝集 ,  最適化 ,  学習 ,  *ステレオマッチング ,  原価計算 ,  計算機アーキテクチャ
準シソーラス用語： エネルギー最小化 ,  畳込みニューラルネットワーク , 【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)： ロバスト ,  ステレオマッチング ,  畳込み ,  凝集