文献

J-GLOBAL ID：202002229419573964   整理番号：20A1945872

深層学習アプローチを用いたコンテンツベース3D形状検索【JST・京大機械翻訳】

Content-based 3D shape retrieval using deep learning approach

著者 (4件)： Benjelloun Mohammed (Department of Computer Science, University of Mons, Mons, BELGIUM) ,  Dadi El Wardani (National School of Applied Sciences of Al-Hoceima, LaRi laboratory, University of Mohammed First, Al-Hoceima, Morroco) ,  Daoudi El Mostafa (LaRi laboratory, University of Mohammed First, Oujda, Morroco) ,  Larhmam Mohammed Amine (Department of Computer Science, University of Mons, Mons, BELGIUM)
資料名： ACM Proceedings  (ACM Proceedings)
号： LOPAL ’18  ページ： 1-4  発行年： 2018年 
JST資料番号： D0698C  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： 与えられた3Dモデルの特性化の設計から成る3D形状インデクシングは,コンピュータビジョンの領域における大きな課題のままである。最近,多くの大規模データセットが公開されている。これにより,クエリオブジェクトを与えられたコンテンツベース3D形状検索システムを開発し,類似の3Dモデルを検索した。しかし,データセットサイズが非常に大きくなると,検索プロセスは非常に挑戦的になる。課題は特にデータ表現から来る。本研究では,与えられたオブジェクトの3D形状を表現するための深層学習手法の使用を提案した。この解は,他の深層学習検索手法によって使用されるCNNコードの代わりに,記述子として予測クラスベクトルを用いることから成る。実験結果は,著者らのアプローチの高効率を示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データ表現 ,  コンピュータビジョン ,  *三次元 ,  キャラクタリゼーション ,  三次元モデル
準シソーラス用語： 高効率 ,  *三次元形状 ,  クエリー ,  大規模データセット ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 3Dオブジェクト ,  コードCNN ,  コンベット ,  検索

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 (3件)： 深層学習 ,  コンテンツ ,  3D形状検索