文献

J-GLOBAL ID：201902257256006803   整理番号：19A0898139

敵対的生成ネットワークを用いたクロスドメイン変化物体検出

Cross-Domain Change Object Detection Using Generative Adversarial Networks

著者 (3件)： SUGIMOTO Takuma (Univ. Fukui, Fukui, JPN) ,  TANAKA Kanji (Univ. Fukui, Fukui, JPN) ,  YAMAGUCHI Kousuke (Univ. Fukui, Fukui, JPN)
資料名： Journal of Robotics and Mechatronics  (Journal of Robotics and Mechatronics)
巻： 31  号： 2  ページ： 221-230  発行年： 2019年04月20日 
JST資料番号： L0735A  ISSN： 0915-3942  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： 英語 (EN)

抄録/ポイント： 画像変化検出は,ロボットマップメンテナンスと長期マップ学習に対する基本的問題である。局所特徴ベース画像比較は,この問題を扱うための最も基本的な方式の一つである。しかし,クエリと参照画像が異なる領域(例えば,1日での時間,天候,季節)を含むとき,局所特徴手法は難問に遭遇する。本論文では,物体レベル領域特徴の新しい視点から局所特徴手法に取り組む。本研究は,クロスドメイン視覚場所認識(CD-VPR)における物体レベル領域特徴の最近の成功に刺激されている。CD-VPRタスクの以前の貢献とは異なり,クロスドメイン変化検出(CD-CD)タスクにおいて,全体画像ではなくシーンの小さな部分(すなわち,変化部分)のマッチングを検討するもので,これはかなり求められている。この問題を扱うために,二つの独立した物体候補技法,すなわち教師つき物体候補(例えば,YOLO)と教師なし物体候補(例えばBING)の使用を調べる。これらの技術を組み合わせて,ディープ畳込みニューラルネットワーク(DCN)から局所特徴を集約することによって,それらの任意形状オブジェクトの外観特徴を計算した。公的に利用可能なクロスシーズンNCLTデータセットを用いた実験により,本提案の手法の有効性を検証する。(翻訳著者抄録)

シソーラス用語： *地図 ,  保守管理 ,  長期管理 ,  検出 ,  物体認識 ,  *ニューラルネットワーク ,  教師なし学習 ,  *画像認識 ,  アルゴリズム ,  画像処理 ,  *特徴抽出 ,  画像特性 ,  局所性 ,  ロボット ,  自動車 ,  *変化 ,  物体検出 ,  畳込みニューラルネットワーク ,  最近傍法 ,  局所特徴 ,  変化検出 ,  ディープニューラルネットワーク
準シソーラス用語： 深層ニューラルネットワーク ,  SIFT【画像処理】 ,  警備監視ロボット ,  知的車両

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

引用文献 (32件)：

• [1] D. W. van de Wouw, G. Dubbelman, and P. H. de With, “Hierarchical 2.5-d scene alignment for change detection with large viewpoint differences,” IEEE Robotics and Automation Letters, Vol.1, No.1, pp. 361-368, 2016.
• [2] B. Mathias, D. Marcin, G. Igor, C. Cesar, S. Roland, and N. Juan, “Map management for efficient long-term visual localization in outdoor environments,” Proc. of 2018 IEEE Intelligent Vehicles Symp. (IV), pp. 682-688, 2018.
• [3] R. J. Radke, S. Andra, O. Al-Kofahi, and B. Roysam, “Image change detection algorithms: a systematic survey,” IEEE Trans. on Image Processing, Vol.14, No.3, pp. 294-307, 2005.
• [4] R. Finman, T. Whelan, M. Kaess, and J. J. Leonard, “Toward lifelong object segmentation from change detection in dense rgb-d maps,” 2013 European Conf. on Mobile Robots (ECMR), pp. 178-185, 2013.
• [5] K. Kim, T. H. Chalidabhongse, D. Harwood, and L. Davis, “Background modeling and subtraction by codebook construction,” 2004 Int. Conf. on Image Processing (ICIP’04), pp. 3061-3064, 2004.

タイトルに関連する用語 (3件)： 敵対的生成ネットワーク ,  ドメイン ,  物体検出