文献

J-GLOBAL ID：201802241480233867   整理番号：18A0536423

ボクセル化点群データ分類のための付着ニューラル計算機に対する畳込みニューラルネットワーク【Powered by NICT】

Convolutional neural network on neural compute stick for voxelized point-clouds classification

著者 (6件)： Xu Xiaofan (Computer Vision and Machine Learning Group, Movidius / Intel) ,  Amaro Joao (Instituto de Telecomunicacoes) ,  Caulfield Sam (Computer Vision and Machine Learning Group, Movidius / Intel) ,  Forembski Andrew (Computer Vision and Machine Learning Group, Movidius / Intel) ,  Falcao Gabriel (Instituto de Telecomunicacoes) ,  Moloney David (Computer Vision and Machine Learning Group, Movidius / Intel)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CISP-BMEI  ページ： 1-7  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： 2D畳込みニューラルネットワーク(CNN)は,ここ数年にわたり人気のサージを主体に取り扱ってきた,それらは無数のコンピュータビジョン(および他の分野)タスクの伝統的なアルゴリズム/法よりも優れている主な理由。一方,3D体積を扱う場合,問題はより複雑になる。容易に利用可能な訓練データ,メモリと計算の要求の欠如は,3次元CNNの進行を妨げる因子のいくつかである。本論文では,物体とシーンを含む合成3Dボクセル化点群生成法を提案した。VOLAと呼ばれる効率的な3次元体積表現を適用した。VOLA(体積加速器)は体積データに対する顕著なメモリを節約するsexaquaternary(電力の四分割)ツリーベース表現である。モデルを訓練後,USB,低電力処理装置と同様に専用CNNハードウェアブロックを含むであるMovidiusニューラル計算スティック上に設置した。NCS上で訓練されたモデルは第二当たり~わずか90フレームを各3D体積に関する推論を行うために,平均消費電力1.2Wであった。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： アルゴリズム ,  処理装置 ,  三次元 ,  二次元 ,  記憶装置 ,  *ボクセル ,  コンピュータビジョン ,  加速器 ,  消費電力 ,  電力 ,  *点群
準シソーラス用語： 低電力化 ,  訓練データ ,  *畳込みニューラルネットワーク ,  *点群データ , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (5件)： ボクセル ,  点群データ ,  分類 ,  計算 ,  畳込みニューラルネットワーク