文献

J-GLOBAL ID：201802244351896446   整理番号：18A1772670

ラベル融合:クラッタのあるシーンの実RGBDデータのための地上真理ラベル生成のためのパイプライン【JST・京大機械翻訳】

Label Fusion: A Pipeline for Generating Ground Truth Labels for Real RGBD Data of Cluttered Scenes

著者 (4件)： Marion Pat (Massachusetts Institute of Technology, Computer Science and Artificial Intelligence Laboratory) ,  Florence Peter R. (Massachusetts Institute of Technology, Computer Science and Artificial Intelligence Laboratory) ,  Manuelli Lucas (Massachusetts Institute of Technology, Computer Science and Artificial Intelligence Laboratory) ,  Tedrake Russ (Massachusetts Institute of Technology, Computer Science and Artificial Intelligence Laboratory)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICRA  ページ： 1-8  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： 深いニューラルネットワーク(DNN)アーキテクチャは,RGBDデータを用いて,オブジェクトセグメンテーションと姿勢推定のための従来のパイプラインより優れていることが示されているが,これらのDNNパイプラインの性能は,訓練データが真のデータであるかどうかに直接結びついている。したがって,実際にこれらの方法を採用するための重要な要件は,既存のデータセットによって一般的に満たされない要求である,yourの特定のロボット操作タスクに対する大量のラベル付けデータを持つことである。本論文では,画素ごとのラベルとオブジェクトの姿勢を持つ高品質のRGBDデータを迅速に生成するためのパイプラインを開発した。複数の視点からシーンのビデオを収集するためにRGBDカメラを使用し,3D高密度再構成を生成するために既存の再構成技術を活用した。物体メッシュの人間支援ICPフィッティングを用いて3D再構成をラベル付けした。3Dシーンをラベリングする結果を再投影することにより,シーンの各RGBD画像に対するラベルを生成することができる。このパイプラインは,数日で1,000,000以上のラベル付きオブジェクトインスタンスを収集することを可能にした。このデータセットを用いて,多くの訓練データが必要とされる方法に関する質問に答え,データの品質がDNNアーキテクチャから高性能を達成する必要がある。著者らのデータセットとアノテーションパイプラインは,ラベル融合において利用可能である。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： カメラ ,  品質 ,  ロボット ,  ニューラルネットワーク ,  画素 ,  再構成 ,  録画装置 ,  *クラッタ ,  三次元 ,  計算機アーキテクチャ ,  アノテーション
準シソーラス用語： 訓練データ ,  姿勢推定 ,  3D画像再構成 ,  オブジェクトセグメンテーション , 【Automatic Indexing@JST】

分類 (3件)： NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： ラベル ,  融合 ,  クラッタ ,  シーン ,  地上 ,  パイプライン