文献

J-GLOBAL ID：202002284360628206   整理番号：20A2526327

特徴透視変換によるマルチビュー検出【JST・京大機械翻訳】

Multiview Detection with Feature Perspective Transformation

著者 (3件)： Hou Yunzhong (Australian Centre for Robotic Vision, Australian National University, Canberra, Australia) ,  Zheng Liang (Australian Centre for Robotic Vision, Australian National University, Canberra, Australia) ,  Gould Stephen (Australian Centre for Robotic Vision, Australian National University, Canberra, Australia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12352  ページ： 1-18  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： 検出に対する多重カメラビューを組み込むことは,混雑シーンにおけるオクルージョンの影響を軽減する。マルチビュー検出システムでは,2つの重要な質問に答える必要がある。第1に,著者らは,複数の見解から手がかりを集約するべきである。第2に,空間的に隣接している位置から情報を集約するべきである。これらの疑問に対処するために,新しいマルチビュー検出器,MVDetを導入した。マルチビュー集約の間,地上の各々の位置のために,既存の方法は,表現としてマルチビューアンカボックス特性を使用して,それはあらかじめ定義されたアンカーボックスとして性能を制限する可能性がある。対照的に,特徴マップ透視変換を通して,MVDetは,複数の視点で対応する画素から直接サンプリングされた特徴ベクトルによるアンカーフリー表現を採用する。空間集約のために,ニューラルネットワークの外で設計および操作を必要とする以前の方法と異なり,MVDetは,多視点集合特徴マップ上で大きな畳み込みカーネルを有する完全畳込みアプローチを取る。提案モデルはエンドツーエンド学習可能であり,14.1%の最先端を凌駕する,野生トラックデータセット上で88.2%のMODAを達成した。また,著者らは,オクルージョンのレベルを制御することができる,新しく導入した合成データセット,マルチビューXに関するMVDetの詳細な解析も提供した。コードとマルチビューXデータセットは利用可能である。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： 畳込み ,  学習 ,  ニューラルネットワーク ,  画素 ,  多重化 ,  エンドツーエンド方式 ,  検出器 ,  透視 ,  *オクルージョン
準シソーラス用語： 特徴ベクトル ,  特徴マップ ,  *マルチビュー , 【Automatic Indexing@JST】

著者キーワード (5件)： マルチビュー検出 ,  アンカーフリー ,  透視変換 ,  完全畳込み ,  合成データ

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 透視 ,  マルチビュー