文献

J-GLOBAL ID：201802224063859624   整理番号：18A0704711

ボクセル群の奥行き密度を反映した画像による屋内3Dシーン分類

3D Indoor Scene Classification using Images Reflecting the Depth Density of Voxel Group

著者 (2件)： 浜田和真 (豊橋技科大) ,  青野雅樹 (豊橋技科大)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 117  号： 513(BioX2017 36-73)  ページ： 189-194  発行年： 2018年03月11日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： VR技術の普及に伴い,3Dデータで構成したシーンを使うアプリケーションの需要が高まりつつある。それと同時に,3Dシーンのデータ数が増加傾向にある。3Dシーンがどこのシーンか認識できる技術があれば,3Dシーンの分類や整理の手助けが可能となる。本研究では,ボクセル表現に変換した3Dシーンを,奥行き密度を反映する独自の画像化手法を提案し,深層学習に適用した屋内の3Dシーン分類について述べる。x軸・y軸・z軸それぞれを奥行きとした投影平面からボクセル群の奥行きの密度を捉えることで,3Dシーンの分類を行う手助けとなる画像を生成する。実験ではプリンストン大学のSUNCGデータセットとして公開されている3Dシーンをもとに6カテゴリのベンチマークデータセットを作成し,ボクセル群や画像などを入力とした手法に代表される従来手法との比較実験を行った。結果として,提案手法では従来手法よりも高精度の分類結果を得ることができた。(著者抄録)

シソーラス用語： ボクセル ,  長さ ,  密度 ,  位置 ,  投影法【図法】 ,  *パターン分類 ,  機械学習 ,  教師つき学習 ,  *画像認識 ,  分類 ,  三次元 ,  *画像
準シソーラス用語： *シーン ,  シーン分類 ,  奥行 ,  屋内 ,  画像化 ,  深層学習

分類 (1件)： パターン認識  (JE07000S)

引用文献 (20件)：

• A. Brock, T. Lim, J.M. Ritchie, and N. Weston.: Generative and discriminative voxel modeling with convolutional neural networks. arXiv preprint arXiv:1608.04236, 2016.
• A. Quattoni and A. Torralba.: Recognizing indoor scenes. in CVPR, IEEE, 2009. Wang et al., “Modeling Temporal Dynamics and Spatial Configurations of Actions Using Two-Stream Recurrent Neural Networks,” arXiv:1704.02581.
• Baoguang Shi, Song Bai, Zhichao Zhou and Xiang Bai.: Deeppano: Deep panoramic representation for 3-d shape recognition. IEEE Signal Processing Letters, 22(12):2339-2343, 2015.
• Charles R. Qi, Hao Su, Kaichun Mo, and Leonidas J. Guibas.: PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation. CVPR 2017.
• D. Kingma and J. Ba.: Adam: A method for stochastic optimization. ICLR, 2015.

タイトルに関連する用語 (6件)： ボクセル ,  奥行き ,  密度 ,  屋内 ,  3D ,  シーン分類