文献

J-GLOBAL ID：202002240720093649   整理番号：20A1242808

大規模屋内点雲のための深層学習を用いた3D意味セグメンテーション【JST・京大機械翻訳】

3D semantic segmentation using deep learning for large-scale indoor point cloud

著者 (4件)： Hui Chen (Shanghai University of Electric Power,College of Automation Engineering,Shanghai,China,310027) ,  Peng Xu (Shanghai University of Electric Power,College of Automation Engineering,Shanghai,China,310027) ,  Yipeng Zuo (Shanghai University of Electric Power,College of Automation Engineering,Shanghai,China,310027) ,  Weina Wang (Jilin Institute of Chemical Technology,School of Science,Jilin,China,132022)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICEMI  ページ： 1650-1655  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： 3Dレーザ点雲は複雑な大規模3Dシーンを表現できる。しかし,意味セグメンテーションに対する入力特徴として各空間点の局所構造モデルを得ることは困難である。この問題を扱うために,本研究では,大規模な屋内点雲に対するPointNetとPointSIFTモデルに基づく新しい3D意味セグメンテーション法を提案した。最初に,いくつかの異なるセンシング半径モジュールをPointSIFTモデルにより構築し,3Dレーザ点雲に対する局所特徴を抽出し,完全接続層を通して多次元入力特徴を形成した。次に,PointNetネットワークの接続特徴を完全に接続し,各点の分類スコアを得た。最後に,提案した深いニューラルネットワークモデルを屋内データセットS3DISにより検証した。実験は,3Dレーザ点雲分類のための提案方法の全体的および平均精度が1.22%および3.06%増加し,複雑な屋内シーンにおける3D意味セグメンテーションの精度を検証することを示した。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： *セグメンテーション ,  ネットワーク ,  高次元 ,  *三次元
準シソーラス用語： 神経回路網モデル ,  局所構造 ,  局所特徴 ,  *深層学習 , 【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 (7件)： 大規模 ,  屋内 ,  点雲 ,  深層学習 ,  3D ,  意味 ,  セグメンテーション