抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究では,屋内および屋外シーンの両方におけるRGBDデータから3D物体検出を研究した。これまでの方法は画像または3Dボクセルに焦点を合わせているが,しばしば自然3Dパターンと3Dデータの不変性を隠していることがあり,RGB-D走査をポッピングすることにより生点雲上で直接操作する。しかしながら,このアプローチの重要な課題は,大規模シーン(領域提案)のポイントクラウドにおけるオブジェクトを効率的に位置決めする方法である。単に3D提案に頼る代わりに,著者らの方法は,成熟2Dオブジェクト検出器とオブジェクト位置確認のための高度3D深学習の両方を活用し,効率を達成し,小さなオブジェクトに対しても高い想起を達成した。生点雲における直接学習から利益を得て,著者らの方法は,強いオクルージョンまたは非常にまばらな点においてさえ,3D境界ボックスを正確に推定することもできた。KITTIとSUN RGB-D 3D検出ベンチマークに関して評価して,著者らの方法は,リアルタイム性能を持っている間,注目すべきマージンによって芸術の状態を上回った。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】