文献

J-GLOBAL ID：201902237561473743   整理番号：19A0943255

多孔質畳込みニューラルネットワークに基づく画像深さ推定モデル【JST・京大機械翻訳】

Image depth estimation model based on atrous convolutional neural network

著者 (2件)： Liao Bin (湖北大学計算机与信息工程学院,武漢,430062) ,  Li Haowen (湖北大学計算机与信息工程学院,武漢,430062)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 39  号： 1  ページ： 267-274  発行年： 2019年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 伝統的機械学習法における単一画像深さ推定誤差と深さ値の不確実性の問題を解決するために,多孔性畳込みニューラルネットワーク(ACNN)に基づく深さ推定モデルを提案した。最初に,畳込みニューラルネットワーク(CNN)を用いて,オリジナル画像の特徴マップを抽出した。次に,多孔質畳み込み構造を利用して,オリジナル画像における空間情報と抽出した底層画像特徴を融合し,初期深さマップを得た。最後に、初期深さマップを条件ランダム場(CRF)に送り、画像の画素空間位置、グレースケール及びその勾配情報を結合して、得られた深さマップに対して最適化処理を行い、最終深さマップを得た。客観的データセットにおいて,モデルのユーザビリティ検証と誤差推定を完成し,実験結果は,このアルゴリズムがより低い誤差とより高い精度を得て,平均二乗誤差(RMSE)が機械学習に基づくアルゴリズムより平均30.86%低いことを示した。精度比は深さ学習に基づくアルゴリズムより14.5%高く、提案アルゴリズムは誤差データと視覚効果において大幅に向上しており、このモデルは画像深度推定においてより良い効果が得られることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 画像特性 ,  *多孔性 ,  グレースケール ,  *画像 ,  *モデル ,  機械学習 ,  アルゴリズム ,  *畳込み ,  最適化 ,  画素 ,  不確実性
準シソーラス用語： 平均二乗誤差 ,  奥行きマップ ,  *推定モデル ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 多孔質 ,  畳込みニューラルネットワーク ,  推定モデル