文献

J-GLOBAL ID：202002250223803347   整理番号：20A0438926

ドロンベース頭部平面群衆密度推定のための幾何学的および物理的制約【JST・京大機械翻訳】

Geometric and Physical Constraints for Drone-Based Head Plane Crowd Density Estimation

著者 (4件)： Liu Weizhe (E ́cole Polytechnique Fe ́de ́rale de Lausanne (EPFL),School of Communication and Computer Sciences,Switzerland) ,  Lis Krzysztof (E ́cole Polytechnique Fe ́de ́rale de Lausanne (EPFL),School of Communication and Computer Sciences,Switzerland) ,  Salzmann Mathieu (E ́cole Polytechnique Fe ́de ́rale de Lausanne (EPFL),School of Communication and Computer Sciences,Switzerland) ,  Fua Pascal (E ́cole Polytechnique Fe ́de ́rale de Lausanne (EPFL),School of Communication and Computer Sciences,Switzerland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： IROS  ページ： 244-249  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： 密集したシーンにおける人々を数えるための最先端の方法は,画像平面における群衆密度を推定するための深いネットワークに依存している。この目的のために有用であるが,この画像面密度は,それが透視歪を受けるので,即時の物理的意味を持たない。これは,視点が頻繁に変化するので,ドロンによって獲得されたシーケンスにおける関心事である。この歪は通常,スケール不変特徴の学習または異なるサイズのパッチにおける密度の推定により暗黙的に扱われるが,スケール変化が全体のシーンにわたって一貫していなければならないという事実を説明するものではない。本論文では,平方メートル当たりの人々の観点からスケール変化と理由を明示的にモデル化した。ネットワークへの透視モデルの供給により,グローバルスケールの一貫性を強化することができ,このモデルがドロンセンサからのフライで得られることを示した。さらに,学習しなければならない物理的に触発された時間的一貫性制約を強制することも可能にした。これにより,特に透視効果が強い場合に,移動ドロンカメラから群衆密度を推定する最先端の方法を上回るアルゴリズムが得られる。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： センサ ,  *ネットワーク ,  アルゴリズム ,  不変性 ,  透視

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 頭部 ,  密度 ,  推定 ,  幾何学 ,  物理 ,  制約