文献

J-GLOBAL ID：202002268891229875   整理番号：20A0590522

単眼視覚オドメトリにおける局所的理解から大域的回帰へ【JST・京大機械翻訳】

From Local Understanding to Global Regression in Monocular Visual Odometry

著者 (4件)： Esfahani Mahdi Abolfazli (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore) ,  Wu Keyu (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore) ,  Yuan Shenghai (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore) ,  Wang Han (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore)
資料名： International Journal of Pattern Recognition and Artificial Intelligence  (International Journal of Pattern Recognition and Artificial Intelligence)
巻： 34  号： 1  ページ： 2055002  発行年： 2020年 
JST資料番号： T0877A  ISSN： 0218-0014  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： シンガポール (SGP)  言語： 英語 (EN)

抄録/ポイント： 自律知能ロボットの最も重要な部分は,位置と方向に関するロボット知識を与える位置確認モジュールである。この知識はロボットが望ましい目標の位置に移動し,そのタスクを完成させることを支援する。視覚計測(VO)は,ロボットの位置と方向の推定をもたらす連続したフレームにおけるロボットカメラの変位を測定する。今日,深い学習は,フレームごとのカメラ運動を推定するためのVOの問題に対する豊富で有益な特徴を学習するのに役立つ。最近のDeep学習に基づくVO法は,訓練手順における訓練データのラベルを可視化し検出することなく,直接的に回帰問題としてVOを解くために,末端毎のネットワークを訓練する。本論文では,VOのような回帰問題に対する畳込みニューラルネットワーク(CNN)を訓練する新しいアプローチを提案した。提案した方法は,最初に,類似の観測により異なる部分空間を学習するための分類問題に対する問題を変化させる。分類問題を解決した後に,問題は分類問題を解くことによって達成された知識を用いて解くために元の回帰問題に変換する。この手法は,分類段階で学習された局所領域において大域的に回帰問題を解くためにCNNを支援し,約10%の回帰モジュールの性能を改善する。Copyright 2020 World Scientific Publishing Company All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *単眼 ,  位置決め ,  カメラ ,  *視覚 ,  学習 ,  知能ロボット ,  可視化 ,  ネットワーク ,  ロボット
準シソーラス用語： 深層学習 ,  部分空間 ,  畳込みニューラルネットワーク ,  訓練データ ,  自律性 ,  オドメトリ , 【Automatic Indexing@JST】

著者キーワード (6件)： 視覚オドメトリ ,  深層学習 ,  畳込みニューラルネットワーク(CNN) ,  同時位置決めとマッピング(SLAM) ,  分類 ,  回帰

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 単眼 ,  視覚 ,  オドメトリ ,  理解