文献

J-GLOBAL ID：201902214023077366   整理番号：19A0953818

畳み込みニューラルネットワークを用いた自動車の三次元モデルにおける各車型の特徴抽出と視覚化

Analyses and Visualization of Characteristics of Car Body Types by Using Convolutional Neural Network

著者 (3件)： 田中俊太朗 (和歌山大学大学院) ,  原田利宣 (和歌山大学) ,  小野謙二 (九州大学)
資料名： 日本感性工学会論文誌(Web)
巻： 18  号： 1  ページ： 113-121(J-STAGE)  発行年： 2019年 
JST資料番号： U0400A  ISSN： 1884-5258  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 自動車は車体タイプによって分類される。しかし,一見したところ,特徴は基本的に類似しているので,それらの車体タイプの間の差異を区別することは困難である。そこで,本研究では,自動車の特徴を深層学習と画像認識技術を用いて分析することを考え,車体タイプの判断と特徴的な部品を可視化するシステムを開発した。具体的には,各自動車の周囲に1度ずつ増加させた360の視点を設定することにより,30台の自動車のCGモデルのレンダリングを行った。教師信号としてこれら2D画像を用いて深層学習を行った。各角度の車体タイプ認識確率をグラフ化し,各車体タイプの特徴的な部分を可視化した。その結果,車体タイプの判断に寄与する視覚的角度と部分を明らかにした。(翻訳著者抄録)

シソーラス用語： 機械学習 ,  *ニューラルネットワーク ,  画像認識 ,  可視化 ,  特徴抽出 ,  *自動車
準シソーラス用語： 深層学習 ,  *畳込みニューラルネットワーク ,  視覚化 ,  *車種

著者キーワード (10件)： 深層学習 ,  畳み込みニューラルネットワーク ,  車体型 ,  画像認識 ,  可視化 ,  深層学習 ,  畳み込みニューラルネットワーク ,  車体型 ,  画像認識 ,  可視化

分類 (1件)： パターン認識  (JE07000S)

引用文献 (9件)：

• [1] Maturana, D., and Scherer, S.: VoxNet: A 3D Convolutional Neural Network for real-time object recognition, 2015 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pp.922-928, 2015.
• [2] Selvaraju, R. R., Das, A., Vedantam, R., and Cogswell, M.: Grad-CAM: Why did you say that? Visual Explanations from Deep Networks via Gradient-based Localization, CoRR arXiv:1610.02391, pp.4-5, 2016.
• [3] Chen, D. Y., Tian, X. P., Shen, Y. T., and Ouhyoung, M.: On Visual Similarity Based 3D Model Retrieval, Computer Graphics Forum (EUROGRAPHICS 2003), 22(3), pp.223-232, 2003.
• [4] 【保存版】ワンボックスカーとミニバンとSUVの違いとは?,https://www.lineup-car.com/blog/5066.html(2018.04.15閲覧).
• [5] 岡谷貴之:画像認識のための深層学習,人工知能学会誌,28(6),pp.962-974,2013.

タイトルに関連する用語 (5件)： 畳み込みニューラルネットワーク ,  自動車 ,  モデル ,  特徴抽出 ,  視覚化