文献

J-GLOBAL ID：201802237758785661   整理番号：18A1773224

視覚領域局在化による適応深層学習【JST・京大機械翻訳】

Adaptive Deep Learning Through Visual Domain Localization

著者 (3件)： Angeletti Gabriele (Department of Computer Management and Control Engineering (DIAG), VANDAL Laboratory Sapienza Rome University Italian Institute of Technology, Rome, Italy) ,  Caputo Barbara (Department of Computer Management and Control Engineering (DIAG), VANDAL Laboratory Sapienza Rome University Italian Institute of Technology, Rome, Italy) ,  Tommasi Tatiana (Department of Computer Management and Control Engineering (DIAG), VANDAL Laboratory Sapienza Rome University Italian Institute of Technology, Rome, Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICRA  ページ： 7135-7142  発行年： 2018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： あらかじめ定義された数とタイプの物体を認識するために製造者によって訓練された商用ロボットは,多くの環境で使用される可能性があり,それらの照明条件,背景,タイプとクラッタの程度などにおいて一般的に異なる。最近のコンピュータビジョン研究は,システムが訓練され,配置のドメインをターゲットとしている視覚ドメインをソースと仮定して,ドメイン適応法を通してこの一般化問題に取り組んでいる。すべてのアプローチは,ロボット応用における非現実的条件である訓練中のすべてのクラスのターゲットからの画像へのアクセスを持つと仮定している。ロボットビジョンの特定の必要性を考慮したアルゴリズムを提案した。著者らの直感は,ロボット工学においてほとんど経験したドメインシフトの性質が局所的であるということである。著者らは,空間的にドメインを接地するマップの学習を通してこれを利用し,シフトの程度を定量化し,エンドツーエンド深ドメイン適応アーキテクチャに埋め込んだ。ドメインシフトの根を明示的に局所化することによって,著者らは,訓練時間におけるターゲット領域のカテゴリの部分集合を扱うために必要な柔軟性を得て,人間-ロボット相互作用において利用できる分類決定の背後に明確なフィードバックを提供した。iCubワールドデータベースの2つの異なる設定に関する実験は,ロボットビジョンのための著者らの方法の適合性を確認した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *視覚 ,  データベース ,  ロボット ,  適応性 ,  画像 ,  柔軟性 ,  生産者 ,  エンドツーエンド方式 ,  クラッタ ,  コンピュータビジョン ,  計算機アーキテクチャ
準シソーラス用語： ロボット工学 ,  ロボットビジョン ,  *局在化 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 視覚 ,  局在化 ,  適応 ,  深層学習