文献

J-GLOBAL ID：201802263869353344   整理番号：18A1772589

回帰が物体認識と姿勢推定のための多様体学習に適合するとき【JST・京大機械翻訳】

When Regression Meets Manifold Learning for Object Recognition and Pose Estimation

著者 (5件)： Bui Mai (Department of Informatics, Technichal University Munich, Germany) ,  Zakharov Sergey (Department of Informatics, Technichal University Munich, Germany) ,  Albarqouni Shadi (Department of Informatics, Technichal University Munich, Germany) ,  Ilic Slobodan (Department of Informatics, Technichal University Munich, Germany) ,  Navab Nassir (Department of Informatics, Technichal University Munich, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICRA  ページ： 1-7  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： 本研究では,畳込みニューラルネットワークを用いて奥行き画像から物体認識と姿勢推定を行う手法を提案する。この問題を扱う以前の方法は,低次元視点記述子を学習するための多様体学習に依存し,推定ディスクリプタ空間上の最近傍探索においてそれらを採用する。比較において,多様体ディスクリプタ学習と姿勢回帰を組み合わせた効率的なマルチタスク学習フレームワークを作成した。三重項損失と姿勢回帰を用いて多様体学習の強度を組み合わせることにより,NN探索に比べて複雑さを直接低減する姿勢を推定することができ,NNディスクリプタマッチングに対する学習記述子を用いることができた。新しい損失関数の深さ実験評価により,ネットワークにより学習されたビュー記述子は,関連する研究と比較して相対姿勢精度に関してほぼ30%の増加をもたらすことを観測した。一方,直接回帰した姿勢に関しては,単純な姿勢回帰と比較して重要な改善を得た。多様体学習と回帰タスクの両方の利点を活用することにより,オブジェクト認識と姿勢検索のための最新技術を改善することができる。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： 三重項 ,  *多様体 ,  *学習 ,  損失関数 ,  ネットワーク ,  *物体認識 ,  マッチング ,  近傍探索法 ,  統制索引語
準シソーラス用語： *姿勢推定 ,  *多様体学習 ,  低次元 ,  マルチタスク学習 ,  奥行画像 ,  畳込みニューラルネットワーク , 【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 (3件)： 物体認識 ,  姿勢推定 ,  多様体学習