文献

J-GLOBAL ID：201802248917510741   整理番号：18A0651772

多重スケール畳込み再帰ニューラルネットワークによるRGD-D物体認識【JST・京大機械翻訳】

Multi-scale convolutional-recursive neural networks for RGB-D object recognition

著者 (4件)： Luo Jian (武漢科技大学計算机科学与技術学院智能信息処理与実時工業系統湖北省重点実験室,武漢,430065) ,  Jiang Min (武漢科技大学計算机科学与技術学院智能信息処理与実時工業系統湖北省重点実験室,武漢,430065) ,  Liu Xing (武漢科技大学計算机科学与技術学院智能信息処理与実時工業系統湖北省重点実験室,武漢,430065) ,  Zhou Long (武漢科技大学計算机科学与技術学院智能信息処理与実時工業系統湖北省重点実験室,武漢,430065)
資料名： Jisuanji Yingyong Yanjiu  (Jisuanji Yingyong Yanjiu)
巻： 34  号： 9  ページ： 2834-2837,2870  発行年： 2017年 
JST資料番号： C2536A  ISSN： 1001-3695  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： RGD-D画像によって提供された潜在的特性情報を完全に利用するために,多重スケール畳込み再帰ニューラルネットワークアルゴリズム(MNs-CRNN)を提案した。このアルゴリズムでは,RGB-D画像のRGB画像,濃淡画像,深さマップ,および3D表面法線グラフを,異なるスケールでブロックし,各チャネルと対応するサイズのフィルタを畳み込み,抽出した特徴マップを,局所コントラスト基準でサンプリングした後に,サンプルを得ることができた。再帰的ニューラルネットワーク(RNN)層の入力として,より抽象的な高レベルの特徴を得ることができる。融合後の多重スケール特徴をSVM分類器により分類した。RGB-Dデータセットに基づくシミュレーション実験結果は,提案したアルゴリズムが,認識精度が88.2%に達し,従来の方法と比較して,より良い性能を有することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  シミュレーション ,  *畳込み ,  濃淡画像 ,  コントラスト ,  三次元 ,  フィルタ ,  *ニューラルネットワーク ,  *物体認識 ,  画像
準シソーラス用語： 認識精度 ,  SVM分類 ,  特徴マップ ,  奥行きマップ ,  *マルチスケール , 【Automatic Indexing@JST】

著者キーワード (4件)： multi-scale ,  3D surface normal ,  recursive neural networks ,  RGB-D object recognition

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 多重スケール ,  畳込み ,  ニューラルネットワーク ,  物体認識