文献

J-GLOBAL ID：202102223281613060   整理番号：21A0070222

P→η2Net:連続フレームの一貫性に基づくLiDAR点クラウドの意味的セグメンテーションを精密化するための後処理ネットワーク【JST・京大機械翻訳】

P²Net: A Post-Processing Network for Refining Semantic Segmentation of LiDAR Point Cloud based on Consistency of Consecutive Frames

著者 (6件)： Momma Yutaka (Waseda University, National Institute of Advanced Industrial Science and Technology,Tokyo,Japan) ,  Wang Weimin (National Institute of Advanced Industrial Science and Technology,Tokyo,Japan) ,  Simo-Serra Edgar (Waseda University,Tokyo,Japan) ,  Iizuka Satoshi (University of Tsukuba,Tsukuba,Japan) ,  Nakamura Ryosuke (National Institute of Advanced Industrial Science and Technology,Tokyo,Japan) ,  Ishikawa Hiroshi (Waseda University,Tokyo,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SMC  ページ： 4110-4115  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： 点雲シーケンスの意味セグメンテーション結果を洗練するための軽量後処理法を示した。ほとんどの既存の方法は,通常,フレームによってフレームを分割して,問題の固有の曖昧さに遭遇する:単一フレームにおける測定に基づいて,ラベルは,人間のためにさえ予測することが困難である。この問題を改善するために,既存のセグメンテーション法により予測されたこれらの結果を精密化するネットワークを明示的に訓練することを提案する。P2Netと呼ぶネットワークは,登録後の連続フレームから「同時」点間の一貫性制約を学習する。実際の屋外シーンから成る意味KITTIデータセットについて定性的および定量的に提案した後処理法を評価した。後処理ネットワークによる精密化の有無による2つの代表的ネットワークによって予測された結果を比較することによって,提案した方法の有効性を検証した。特に,定性的可視化は,予測が困難な点のラベルをP2Netで補正できるという重要なアイデアを検証した。定量的に,全体のmIoUは,点Net [1]で10.5%から11.7%,点Net ++[2]で10.8%から15.9%に改善した。Copyright 2021 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： *セグメンテーション ,  *ネットワーク ,  可視化 ,  後処理 ,  精密化 ,  有効性 ,  曖昧さ
準シソーラス用語： 軽量 , 【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 (6件)： LIDAR ,  クラウド ,  意味 ,  セグメンテーション ,  精密化 ,  後処理