文献

J-GLOBAL ID：202002221834017287   整理番号：20A2145335

海洋敷料の改良ロボット検出に向けた生成的アプローチ【JST・京大機械翻訳】

A Generative Approach Towards Improved Robotic Detection of Marine Litter

著者 (3件)： Hong Jungseok (University of Minnesota-Twin Cities,Department of Computer Science and Engineering, Minnesota Robotics Institute,Minneapolis,MN,USA,55455) ,  Fulton Michael (University of Minnesota-Twin Cities,Department of Computer Science and Engineering, Minnesota Robotics Institute,Minneapolis,MN,USA,55455) ,  Sattar Junaed (University of Minnesota-Twin Cities,Department of Computer Science and Engineering, Minnesota Robotics Institute,Minneapolis,MN,USA,55455)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICRA  ページ： 10525-10531  発行年： 2020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： 本論文では,海洋デブリの視覚検出のための水中画像データセットにおけるデータ不足問題に対処するアプローチを示した。提案手法は,2段階変分自動符号化器(VAE)と二値分類器に依存し,品質と現実感に対する生成画像を評価する。2段階VAEにより生成された画像から,二値分類器は”良好な品質”画像を選定し,与えられたデータセットをそれらで増強する。最後に,マルチクラス分類器を用いて,実と生成されたトラッシュ画像の組み合わせで訓練された物体検出器の精度を測定することにより,増強プロセスの影響を評価した。結果は,拡張されたデータで訓練された分類器が,実際のデータでのみ訓練されたものより優れていることを示した。このアプローチは,本論文に提示された水中路面分類問題に対して有効であるだけでなく,より多くの画像を収集するか,または実行不可能であったどんなデータ依存タスクにも有用である。Copyright 2020 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： 視覚 ,  変分法 ,  *ロボット ,  路面 ,  *海洋 ,  符号器 ,  *敷料
準シソーラス用語： 物体検出 ,  合成画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 海洋 ,  敷料 ,  ロボット