文献

J-GLOBAL ID：201802241148323700   整理番号：18A0518667

More for less:3D点雲認識のための畳込みネットへの洞察【Powered by NICT】

More for less: Insights into convolutional nets for 3D point cloud recognition

著者 (3件)： Shafiq Usama (LUMS Syed Babar Ali School of Science and Engineering) ,  Taj Murtaza (LUMS Syed Babar Ali School of Science and Engineering) ,  Ali Mohsen (Information Technology University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 1607-1611  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： 深さセンシング,写真測量,立体視と構造化光のような汎用3Dイメージング解における最近のブレークスルーにより,3D形状認識はますます重要な問題になりつつある。かと言う長きにわたる疑問は,3次元形状(ボクセル,メッシュ,点雲など)の形式で,何の形状認識のための良好な一般的特徴表現できる。この疑問は,その有効性と複雑さは,入力形状フォーマットの選択とネットワークの設計に依存する畳込みニューラルネットワーク(CNN)との関連で特に重要である。3Dボクセル表現と2D画像上でのレンダリングされたビューの収集の両方は,競合する結果をもたらしたことが分かった。同様に,それはいくつかの一億パラメータを持ついくつかの百万パラメータとネットワークを用いたネットワークは類似の性能を持つことが分かったた。本研究では,これらの解を比較し,精度を改善することなしに,パラメータの増加をもたらす要因の分析を提供した。上記の分析に基づいて,表現法(2D格子点雲)とCNNのためのはるかに少ないパラメータをもたらすが競合する精度を持つことをアーキテクチャを提案した。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： レンダリング ,  画像 ,  ネットワーク ,  *畳込み ,  立体視 ,  計算機アーキテクチャ ,  二次元 ,  *三次元 ,  写真測量 ,  ボクセル
準シソーラス用語： 畳込みニューラルネットワーク ,  特徴表現 ,  形状認識 ,  三次元形状 ,  構造化光 , 【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 (5件)： 3D ,  点雲 ,  畳込み ,  ネット ,  洞察