文献

J-GLOBAL ID：202002288720381297   整理番号：20A1750739

Disp R-CNN:形状事前誘導インスタンス視差推定によるステレオ3Dオブジェクト検出【JST・京大機械翻訳】

Disp R-CNN: Stereo 3D Object Detection via Shape Prior Guided Instance Disparity Estimation

著者 (7件)： Sun Jiaming (Zhejiang University; SenseTime) ,  Chen Linghao (Zhejiang University) ,  Xie Yiming (Zhejiang University) ,  Zhang Siyu (Southern University of Science and Technology) ,  Jiang Qinhong (SenseTime) ,  Zhou Xiaowei (Zhejiang University) ,  Bao Hujun (Zhejiang University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CVPR  ページ： 10545-10554  発行年： 2020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： 本論文では,ステレオ画像から3D物体検出のためのDisp R-CNNと名付けた新しいシステムを提案した。多くの最近の研究は,まず,視差推定でポイントクラウドを回復することによって,この問題を解決して,3D検出器を適用する。視差マップを全画像に対して計算し,それは高価であり,カテゴリ特異的事前利用に失敗した。対照的に,対象の物体上の画素に対してのみ視差を予測するインスタンス視差推定ネットワーク(iDispNet)を設計し,より正確な視差推定の前にカテゴリー固有形状を学習する。訓練における視差アノテーションの不足からの課題に対処するために,統計的形状モデルを使用し,LiDAR点雲の必要なしに高密度視差擬似地上トラスを生成し,このシステムをより広く応用できることを提案した。KITTIデータセットに関する実験は,LiDAR地上トラスが訓練時間において利用できない場合でも,Disp R-CNNが競合性能を達成し,平均精度に関して20%まで以前の最先端手法より優れていることを示した。このコードはhttps://github.com/zju3dv/disprcnnで利用可能である。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： ネットワーク ,  トラス ,  画素 ,  *視差 ,  検出器 ,  立体画像 ,  *ステレオ音響 ,  *三次元 ,  アノテーション
準シソーラス用語： 視差画像 ,  *物体検出 ,  高密度 ,  *視差推定 ,  統計的形状モデル , 【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)： CNN ,  誘導 ,  インスタンス ,  視差推定 ,  ステレオ ,  3D ,  オブジェクト検出