文献

J-GLOBAL ID：201902254997496635   整理番号：19A2117249

点雲上の車両検出のための画像検出器に基づく自動3Dデータラベリングと訓練【JST・京大機械翻訳】

Image Detector Based Automatic 3D Data Labeling and Training for Vehicle Detection on Point Cloud

著者 (5件)： Chen Zhengyong (Unity-Drive innovation (UDI) Ltd.) ,  Liao Qinghai (The Hong Kong University of Science and Technology, Hong Kong SAR, China) ,  Wang Zhe (Unity-Drive innovation (UDI) Ltd.) ,  Liu Yang (The Hong Kong University of Science and Technology, Hong Kong SAR, China) ,  Liu Ming (The Hong Kong University of Science and Technology, Hong Kong SAR, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： IV  ページ： 1408-1413  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 今日,大量のラベル付きデータは,深いニューラルネットワーク訓練にとって重要である。しかしながら,データラベリングは,特に3Dポイントクラウドをラベリングするとき,時間と労力を消費するタスクである。一方,物体認識は,人間の能力を超えても,2D画像上で大きな成功を達成した。本論文では,画像検出器を監視装置として用いることにより,ラベル付きデータを生成するための効果的なフレームワークを提案し,雑音ラベルを除去するために簡単なトリックを用いてネットワークを訓練した。オブジェクトスパースシーンに対して,この方法は良好なラベルデータを得ることができるが,オブジェクト高密度シーンに対しては,この訓練法を用いて,いくつかの劣化ラベルを検出することができる。これは,粘着カメラとLiDARシステム(Licamと命名)を構築し,カメラ検出結果を用いて点雲上で目標の被殻領域の提案を行うことにより実現される。この学習と訓練フレームワークに基づいて,効率的で効果的な車両検出を達成した。著者らは,KITTIデータセット[7]とマイクロ電気機械システム(MEMS)LiDARから収集した著者らの道路走行データに関するこの方法を調べ,高速で正確な検出結果を実証した。結果は,著者らの自動データラベリングと訓練フレームワークが効果的で効率的であることを示した。それは,大規模なラベル付きデータを得る能力を提供して,オンライン学習のために使用するのが簡単である。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 道路 ,  *画像 ,  二次元 ,  カメラ ,  高速度 ,  被殻 ,  MEMS ,  ニューラルネットワーク ,  走行 ,  *三次元 ,  ネットワーク ,  雑音
準シソーラス用語： スパース ,  *画像センシング ,  *車両検出 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 点雲 ,  車両検出 ,  画像検出 ,  3Dデータ ,  ラベリング ,  訓練