文献

J-GLOBAL ID：202002280022208982   整理番号：20A1444230

深層回帰モデルを用いたRGBとスパース深さ情報からの高密度視差マップ【JST・京大機械翻訳】

Dense Disparity Maps from RGB and Sparse Depth Information Using Deep Regression Models

著者 (8件)： Leite Pedro Nuno (INESC TEC, Centre for Robotics and Autonomous Systems, Porto, Portugal) ,  Leite Pedro Nuno (Faculty of Engineering of University of Porto, Porto, Portugal) ,  Silva Renato Jorge (INESC TEC, Centre for Robotics and Autonomous Systems, Porto, Portugal) ,  Silva Renato Jorge (Faculty of Engineering of University of Porto, Porto, Portugal) ,  Campos Daniel Filipe (INESC TEC, Centre for Robotics and Autonomous Systems, Porto, Portugal) ,  Campos Daniel Filipe (Faculty of Engineering of University of Porto, Porto, Portugal) ,  Pinto Andry Maykol (INESC TEC, Centre for Robotics and Autonomous Systems, Porto, Portugal) ,  Pinto Andry Maykol (Faculty of Engineering of University of Porto, Porto, Portugal)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12131  ページ： 379-392  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 高密度で正確な視差マップは,自律運転からロボット把持までの多数の応用に関連する。機械学習技術における最近の発展は,他の3D空間のスパース表現を完成するために,深い回帰モデルを用いることにより,低解像度のようなセンサ制限を迂回することを可能にする。本論文では,単一RGB画像と様々なセンサ/技術(ステレオ,LiDARおよび光Stripe Ranging(LSR))から収集されたスパース深さ情報を用いた2つの主要なアプローチ,すなわち,畳込みニューラルネットワーク(CNN)およびカスケードアーキテクチャ,を,初めての成果の改善を目的とする。アブレーション研究を行い,各モデルの性能に対するこれらの深さ手がかりの影響を推定した。LiDARスパース情報で訓練されたモデルは最も信頼性が高く,自社データセットで11.8cmの平均平方根平均二乗誤差(RMSE)を達成した。一方,LSRは,それ自身の正確な予測を計算する入力のあまりにまばらであることが証明された。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信頼性 ,  ロボット ,  センサ ,  ステレオ音響 ,  *回帰モデル ,  深層 ,  アブレーション ,  計算機アーキテクチャ
準シソーラス用語： 平均二乗誤差 ,  *視差画像 ,  高密度 ,  スパース表現 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 視差マップ ,  スパース深さ情報 ,  畳込みニューラルネットワーク

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 深層 ,  回帰モデル ,  RGB ,  高密度 ,  視差マップ