文献

J-GLOBAL ID：202002239066810801   整理番号：20A1147281

深さ学習に基づく三次元点雲頭部姿勢推定【JST・京大機械翻訳】

3D point cloud head pose estimation based on deep learning

著者 (3件)： Xiao Shihua (電子科技大学信息与軟件工程学院,成都,610000) ,  Sang Nan (電子科技大学信息与軟件工程学院,成都,610000) ,  Wang Xupeng (電子科技大学信息与軟件工程学院,成都,610000)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 40  号： 4  ページ： 996-1001  発行年： 2020年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 高速で信頼できる頭部姿勢推定アルゴリズムは,高度な顔分析タスクの基礎である。既存のアルゴリズムにおける照明変化,オクルージョン,および大きい姿勢の問題を解決するために,新しい深さ学習フレームワーク(HPENet)を提案した。このネットワークは点雲データを入力とし、まず、最遠点サンプリングアルゴリズムにより点雲構造の特徴点を抽出し、特徴点を球心とし、異なる半径の球体内の点を複数のグループに分け、後続の特性化に用いた。次に,多層パーセプトロンと最大プール化層を採用して,点雲の特徴抽出を実現し,そして,全連結層出力によって予測した頭部姿勢を,抽出した。HPENetの有効性を検証するため、公共データセットBiwiKinectHeadPose上でテストを行った。実験結果は,HPENetのピッチ角,側方傾斜角,およびヨー角における誤差が,それぞれ2.3°,1.5°,2.4°であり,平均1フレームあたりの時間消費が8msであることを示した。他の優れたアルゴリズムと比較して,提案方法は,精度と計算の複雑さにおいてより良い性能を有した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  ネットワーク ,  特徴抽出 ,  計算量 ,  *三次元 ,  傾斜角 ,  キャラクタリゼーション ,  有効性 ,  多層パーセプトロン ,  オクルージョン
準シソーラス用語： *姿勢推定 ,  特徴点 ,  ピッチ角度 ,  推定アルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 学習 ,  点雲 ,  頭部 ,  姿勢推定