文献

J-GLOBAL ID：201802288079266195   整理番号：18A0401888

畳込み神経回路網を用いた自律運転における物体検出のための再順位付けロバストなオブジェクト提案【Powered by NICT】

Robust object proposals re-ranking for object detection in autonomous driving using convolutional neural networks

著者 (2件)： Pham Cuong Cao (College of Information and Communication Engineering, Sungkyunkwan University, Suwon, Republic of Korea) ,  Jeon Jae Wook (College of Information and Communication Engineering, Sungkyunkwan University, Suwon, Republic of Korea)
資料名： Signal Processing: Image Communication  (Signal Processing: Image Communication)
巻： 53  ページ： 110-122  発行年： 2017年 
JST資料番号： T0844A  ISSN： 0923-5965  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： オブジェクト提案が最近物体検出のための必須の基礎として出現した。現在の最先端のオブジェクト検出器は,スライディングウィンドウ手法を用いて画像に跨った網羅的探索の代わりに候補バウンディングボックス提案の適度なセット内の物体を検出するためのオブジェクト提案を採用した。しかし,いくつかの提案と高再現率と良好な局在化を求めるにはまだ挑戦的な問題である。課題は自律運転との関連,小さな物体,閉塞,影,および反射は通常発生ではさらに困難になる。本論文では,有効再ランクは二流体畳込みニューラルネットワーク(CNN)を用いたカスタマイズされたクラスの独立した3dop(3Dオブジェクト提案)法から生成した候補ロバストなオブジェクト提案再ランク付けアルゴリズムを提案した。目標は,所望の物体をカバーする正確にそれらの提案は,いくつかのトップランク候補の1つであることを確実にすることである。DeepStereoOPと呼ぶ,提案したアルゴリズムは従来のCNN(セルラニューラルネットワーク)アーキテクチャのようにRGB画像でなく,視差マップ及び地面までの距離を含む深さ特徴を利用した。実験は,提案したアルゴリズムが,想起と局在について挑戦的なKITTIベンチマーク上ですべての既存のオブジェクト提案アルゴリズムより優れていることを示した。DeepStereoOPと高速R CNNの組合せは,すべて三KITTIオブジェクトクラスの最良の検出結果の一つを達成した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： セルラニューラルネットワーク ,  アルゴリズム ,  カスタム化 ,  *畳込み ,  *ロバスト性 ,  三次元 ,  ベンチマーク ,  *神経回路網 ,  等級づけ ,  画像
準シソーラス用語： 視差画像 ,  畳込みニューラルネットワーク ,  再現率 ,  *物体検出 ,  *自律性 , 【Automatic Indexing@JST】

著者キーワード (5件)： オブジェクト提案 ,  自律運転 ,  物体検出 ,  畳込みニューラルネットワーク ,  ステレオビジョン。

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (8件)： 畳込み ,  神経回路網 ,  自律 ,  物体検出 ,  順位付け ,  ロバスト ,  オブジェクト ,  提案