文献

J-GLOBAL ID：201902226967893257   整理番号：19A1786305

ニューラルネットワークを用いた産業魚眼画像セグメンテーション【JST・京大機械翻訳】

Industrial Fisheye Image Segmentation Using Neural Networks

著者 (4件)： Beloshapko A. (Saint-Petersburg State University, St. Petersburg, Russia) ,  Korkhov V. (Saint-Petersburg State University, St. Petersburg, Russia) ,  Knoll C. (Robert Bosch GmbH, Renningen, Germany) ,  Iben U. (Robert Bosch GmbH, Renningen, Germany)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11622  ページ： 678-690  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： フィッシュアイカメラは,最近,広い視野によりコンピュータビジョン応用において非常に一般的になっている。周囲の領域のより良い概観に加えて,それらは非常に近い範囲で物体を捉えることを可能にする。これらの利点は,画像連続性を完全に維持することができない強い画像歪のコストにある。これは,入力として単一画像を期待する従来のコンピュータビジョンアルゴリズムの使用を複雑にする。本論文では,魚眼カメラ画像上の物体検出とセグメンテーションのためのニューラルネットワークアルゴリズムの性能評価を示した。3つのアプローチを評価した:完全畳込みネットワーク(FCN)[13]による意味画像セグメンテーション,Uネット[18]によるインスタンスセグメンテーションへの完全畳込みアプローチ,およびMask R-CNN[10]によるインスタンスセグメンテーションへの領域ベースアプローチ。これらのネットワークのすべては,タスクを首尾よく解決した。しかし,それらが異なる目的に設計されているので,それらの各々はそれ自身の強度と欠点を持っている。これらの3つのアプローチを用いて,ユーロコンテナ画像セグメンテーションタスクを実行した。これらのアルゴリズムを訓練し評価するために画像データセットを作成した。このデータセットの膨大な部分は人工的に生成され,それによりグランドトルース標識のタスクを単純化した。ニューラルネットワークの電力は,高速で信頼できる画像セグメンテーションを可能にする。著者らの知識に関して,これは,Euroコンテナ魚眼画像検出とセグメンテーションのための最初のニューラルネットワーク応用である。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 高速度 ,  カメラ ,  性能評価 ,  *画像 ,  連続性 ,  アルゴリズム ,  *セグメンテーション ,  コンピュータビジョン ,  *ニューラルネットワーク ,  *ネットワーク ,  簡素化 ,  コンテナ ,  畳込み
準シソーラス用語： グランドトゥルース ,  *画像セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (7件)： 魚眼カメラ ,  Euroコンテナの検出 ,  画像意味セグメンテーション ,  画像インスタンスセグメンテーション ,  FCN ,  マスクR-CNN ,  U-NET

分類 (2件)： パターン認識  (JE07000S) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： ニューラルネットワーク ,  産業 ,  眼 ,  画像セグメンテーション