文献

J-GLOBAL ID：201802266645334062   整理番号：18A0861297

ピクセルから行動へ:深い神経回路網を持つ自動車を駆動するための学習【JST・京大機械翻訳】

From Pixels to Actions: Learning to Drive a Car with Deep Neural Networks

著者 (6件)： Heylen Jonas ,  Iven Seppe ,  De Brabandere Bert ,  M. Jose Oramas ,  Van Gool Luc ,  Tuytelaars Tinne
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： WACV  ページ： 606-615  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： 自己駆動車の有望性は,いくつかの利点を促進する。例えば,それらは,より安全である一方で,人間運転者を上回る能力を持つ。ここでは,これを実現することを目的としたアルゴリズムからのいくつかの側面をより深く考察した。より具体的には,単一の自動車搭載カメラから撮影された画像に基づいて,高速道路上での自動車のステアリング行動を予測するために,エンドツーエンドニューラルネットワークを解析した。システムの性能に著しい影響を与えるいくつかの側面に関する解析を行った。これらの側面は,入力データフォーマット,連続入力間の時間依存性,およびデータの起源である。著者らは,手でのタスクに対して,回帰ネットワークがそれらの分類器対応物より優れていることを示した。さらに,カラー画像を用いたネットワークと入力としてグレースケール画像を用いるネットワークの間には小さな違いがあると思われる。第二の側面に対して,ネットワーク三つの連結画像を供給することにより,平均二乗誤差において30%の有意な減少を得た。第3の観点では,シミュレーションデータを用いることにより,実生活データセット上で訓練されたネットワークに匹敵する性能を持つネットワークを訓練することができる。また,ネットワークを評価するために使用される標準計量は必ずしも正確にシステムの運転行動を反映しないことを定性的に示した。著者らは,有望な混乱マトリックスが貧弱な駆動挙動をもたらすかもしれないが,非常に悪い混乱マトリックスは良好な駆動挙動をもたらす可能性があることを示した。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： 高速道路 ,  画像 ,  *神経回路網 ,  データフォーマット ,  カラー画像 ,  時間依存性 ,  カオス ,  ネットワーク ,  *自動車 ,  カメラ ,  *画素 ,  アルゴリズム
準シソーラス用語： 運転行動 ,  平均二乗誤差 ,  グレースケール画像 , 【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 (5件)： ピクセル ,  行動 ,  神経回路網 ,  自動車 ,  学習