文献

J-GLOBAL ID：201802274952702565   整理番号：18A0728797

マルチモーダルセンサ融合学習による環境依存性深度強化【JST・京大機械翻訳】

Environment-Dependent Depth Enhancement with Multi-modal Sensor Fusion Learning

著者 (2件)： Takami Kuya ,  Lee Taeyoung
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IRC  ページ： 232-237  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： 本論文では,RGB-Dカメラの深さ画像測定を改善するために,確率的フレームワーク内での新しい学習ベースのマルチモーダルセンシングパラダイムを提案した。提案した手法は,確率論的推論フレームワーク内で畳込みニューラルネットワーク(CNN)近似を用いて改良された深さ画像を提供するために,RGB-Dカメラとレーザ距離ファインダを用いた。同期RGB-Dとレーザ測定を,モデルを訓練するために環境で収集し,次に,深さ画像精度改善とセンサ距離拡張に使用した。モデルは,画素レベル測定の精度を強化するために,深さキューを含む付加的RGB情報を利用した。CNNの計算的に効率的な実装により,改良された深さ画像測定を提供するために未知の領域を探索しながらモデルを訓練することができる。この手法により,提案された操作限界をはるかに超える空間情報を含む深さ画像が得られる。最大範囲で類似のカメラ精度を維持しながら,ほぼ3倍の深さ範囲拡張(3:5mから10m)を実証した。平均絶対誤差も元の深さ画像から6倍減少した。この手法の有効性を非構造化オフィス空間で実証した。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： カメラ ,  モデル ,  画素 ,  待ち行列 ,  確率論 ,  ファインダ ,  *学習 ,  *センサフュージョン ,  構造形成 ,  レーザ ,  *多モード ,  近似法
準シソーラス用語： 空間情報 ,  畳込みニューラルネットワーク ,  深度画像 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  写真機とその付属品  (QF05030V)

タイトルに関連する用語 (6件)： マルチモーダル ,  センサ融合 ,  学習 ,  環境依存性 ,  深度 ,  強化