文献

J-GLOBAL ID：201802273082854559   整理番号：18A0077501

動的マージンを用いた三重項損失を用いた3次元物体インスタンス認識と姿勢推定【Powered by NICT】

3D object instance recognition and pose estimation using triplet loss with dynamic margin

著者 (5件)： Zakharov Sergey (Technical University of Munich, Munich, Germany) ,  Kehl Wadim (Technical University of Munich, Munich, Germany) ,  Planche Benjamin (Siemens AG, Munich, Germany) ,  Hutter Andreas (Siemens AG, Munich, Germany) ,  Ilic Slobodan (Technical University of Munich, Munich, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IROS  ページ： 552-559  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： 本論文では,3Dオブジェクトインスタンス認識の問題を取り上げ,畳込みニューラルネットワークを用いた雑然とした環境における局所化物体の姿勢推定。Wohlhartら[1]の記述子学習アプローチによりヒントを得て,ここでは多様体学習三重項損失関数における動的マージンを導入する方法を提案した。このような損失関数は,効率的な最近傍探索アルゴリズムを適用することができる低次元,相似性保存ディスクリプタ空間への異なる姿勢の下での異なる物体の画像をマップするように設計した。動的マージンを導入迅速な訓練時間と得られた低次元多様体のより良好な精度を可能にした。さらに,次のような結果を寄与する:訓練への面内回転(ベースライン方法により無視)を添加し,良好な現実的なシナリオを模擬し,クラッタに関する精度を改善するのに役立つ新しい背景ノイズタイプを提案し,深さよりも良好な性能をもたらす物体表面を表す他の強力な画像様式として表面法線を添加し,最終的に訓練フェーズ中に良好な変動を可能にする効率的なオンラインバッチ生成を行う。寄与の影響を実証するために,徹底的な評価を行った。さらに,モデルの数に関してパイプラインの良好なスケーラビリティ特性を実証するために大きなBigBIRDデータセット[2]上のアルゴリズムの性能を評価した。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： 画像 ,  *三重項 ,  畳込み ,  類似性 ,  クラッタ ,  アルゴリズム ,  損失関数 ,  多様体 ,  学習 ,  *三次元 ,  ニューラルネットワーク ,  統制索引語
準シソーラス用語： 低次元 ,  多様体学習 ,  *姿勢推定 , 【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)： 三重項 ,  損失 ,  3次元物体 ,  インスタンス ,  姿勢推定