文献

J-GLOBAL ID：202002222144027358   整理番号：20A0375964

畳み込みニューラルネットワークによる特徴レベルセンサデータの深部グリッド融合【JST・京大機械翻訳】

Deep Grid Fusion of Feature-Level Sensor Data with Convolutional Neural Networks

著者 (2件)： Balazs Gabor (Lehrstuhl fuer Integrierte Systeme, Technische Universitaet Muenchen) ,  Stechele Walter (Lehrstuhl fuer Integrierte Systeme, Technische Universitaet Muenchen)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCVE  ページ： 1-6  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： 本論文は,高度運転者支援システムのための自動車環境認識を改善するために,レーダと視覚センサの特徴レベルデータを融合するニューラルネットワークアーキテクチャを研究した。融合は,個々の検出リストからマップされたセンサ特異的情報を組み込んだ占有グリッドで実行される。融合ステップを3種類のニューラルネットワークで評価した。(1)完全畳込み,(2)自動エンコーダ,(3)スキップ接続を持つ自動エンコーダ。これらのネットワークは,レーダとカメラの占有グリッドを,ライダー走査から得られた地面の真実と融合させるために訓練される。ネットワークアーキテクチャとパラメータの詳細な解析を行った。結果を,画素ごとの分類タスクに対する典型的な評価基準に関する古典的Bayes占有融合と比較した。本論文では,提案したシステムアーキテクチャにより,特徴レベルセンサデータのグリッド融合を実行することが可能であることを示した。特に,自動符号器アーキテクチャは,古典的Bayes融合法と比較して,評価計量において著しい改善を示した。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： 符号器 ,  画素 ,  ネットワークアーキテクチャ ,  畳込み ,  計算機アーキテクチャ ,  センサ ,  *ネットワーク ,  システムアーキテクチャ ,  視覚センサ ,  カメラ ,  レーダ ,  走査 ,  *ニューラルネットワーク ,  自動車 ,  LIDAR
準シソーラス用語： レーザレーダ , 【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 (5件)： 畳み込みニューラルネットワーク ,  レベルセンサ ,  深部 ,  グリッド ,  融合