文献

J-GLOBAL ID：201902253960076720   整理番号：19A1193426

CNNベースのパターン検出と復号化アルゴリズムによって達成された表面下散乱効果に対するロバスト構造化光システム【JST・京大機械翻訳】

Robust Structured Light System Against Subsurface Scattering Effects Achieved by CNN-Based Pattern Detection and Decoding Algorithm

著者 (5件)： Furukawa Ryo (Hiroshima City University, Hiroshima, Japan) ,  Miyazaki Daisuke (Hiroshima City University, Hiroshima, Japan) ,  Baba Masashi (Hiroshima City University, Hiroshima, Japan) ,  Hiura Shinsaku (Hiroshima City University, Hiroshima, Japan) ,  Kawasaki Hiroshi (Kyushu University, Fukuoka, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11129  ページ： 372-386  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： 実際の物体の三次元形状を再構成するためには,簡単さ,安定性,高精度のために,検査,工業モデリング,医療診断などの実用的な目的のために,構造化光技術が一般的に使用されてきた。それらの中で,再構成のための単一画像のみを必要とする走査型走査技術は,移動物体の捕捉を目的として重要になる。観測されたパターンが,強い鏡面性,表面下散乱,相互反射などのいくつかの理由によって劣化されるとき,オンスホット走査技術の1つのオープン問題はその不安定性である。オンスホットスキャンのための重要な目標の1つは,人体または器官の組織を含む生きている動物であり,表面下の散乱を持っている。本論文では,オンスホットスキャンのための表面下散乱によって引き起こされるパターン劣化を解決するための学習に基づくアプローチを提案した。パターンは表面下散乱により著しくぼけるので,ロバスト復号化技術が必要となる。これは復号化プロセスをパターン検出やID認識のような二つの部分に分離することにより効果的に達成される。両部品はCNNにより実装される。ロバストなパターン検出を効率的に達成するために,線検出をセグメンテーション問題に変換した。ロバストID認識のために,すべての領域をUネットを用いて各IDに分割した。実験において,著者らの技術は最新技術の状態と比較して強い表面下散乱に対してロバストであることを示した。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： 不安定性 ,  画像 ,  再構成 ,  *散乱 ,  セグメンテーション ,  動物 ,  走査 ,  *ロバスト性 ,  *復号化 ,  モデリング ,  診断 ,  器官 ,  高精度 ,  三次元形状
準シソーラス用語： *構造化光 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： CNN ,  復号化アルゴリズム ,  散乱 ,  ロバスト ,  構造化光