文献

J-GLOBAL ID：201902281744279023   整理番号：19A2602625

合成オブジェクトと拡張現実感を用いた画像解析のためのディープニューラルネットワークの最適化トレーニング【JST・京大機械翻訳】

Optimized training of deep neural network for image analysis using synthetic objects and augmented reality

著者 (6件)： Lu Thomas (Jet Propulsion Lab. (United States)) ,  Huyen Alexander (Jet Propulsion Lab. (United States)) ,  Nguyen Luan (Jet Propulsion Lab. (United States)) ,  Osborne Joseph (Jet Propulsion Lab. (United States)) ,  Eldin Sarah (Jet Propulsion Lab. (United States)) ,  Yun Kyoungsik (Jet Propulsion Lab. (United States))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 10995  ページ： 109950I-11  発行年： 2019年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 訓練とテストのための大量のデータ(DL)モデルを得ることは,時間がかかり,費用がかかる。三次元グラフィックスソフトウェアを用いて合成オブジェクトとシーンを生成するプロセスの開発について述べた。3Dグラフィックエンジンにおける経路と環境をプログラミングすることによって,複雑なオブジェクトとシーンを,特定の視覚タスクにおけるDeepニューラルネットワーク(DNN)モデルを訓練してテストする目的のために生成することができた。自動プロセスは,合成画像におけるオブジェクトをラベルし,セグメント化するために開発され,それらの対応するグランドトルースファイルを生成する。合成データで訓練されたDNNsの性能は,実際のデータで訓練されたDNNsより優れていることが示されている。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ソフトウェア ,  *拡張現実感 ,  セグメンテーション ,  *最適化 ,  *画像分析 ,  視覚 ,  三次元 ,  *ニューラルネットワーク
準シソーラス用語： グランドトゥルース ,  合成画像 ,  3Dグラフィックス ,  *ディープニューラルネットワーク , 【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)： オブジェクト ,  拡張現実感 ,  画像解析 ,  ディープニューラルネットワーク ,  最適化 ,  トレーニング