文献

J-GLOBAL ID：202102224088293129   整理番号：21A0231946

3Dセマンティックセグメンテーションのための反復深層融合【JST・京大機械翻訳】

Iterative Deep Fusion for 3D Semantic Segmentation

著者 (4件)： Duerr Fabian (Vision and Fusion Lab Karlsruhe Institute of Technology KIT,Karlsruhe,Germany) ,  Weigel Hendrik (AUDI AG Department Sensor Fusion and MapLearning for Automated Driving,Ingolstadt,Germany) ,  Maehlisch Mirko (AUDI AG Department Sensor Fusion and MapLearning for Automated Driving,Ingolstadt,Germany) ,  Beyerer Jurgen (Vision and Fusion Lab Karlsruhe Institute of Technology KIT,Karlsruhe,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IRC  ページ： 391-397  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： シーンの理解と解釈は,自律運転のための環境知覚の重要なタスクであり,自律車両が広範囲の異なるセンサを備えている理由である。センサデータの意味的セグメンテーションは,このタスクに対して貴重な情報を提供し,しばしば,キープロバイダとして見られる。本論文では,ライダーポイントクラウドの3D意味セグメンテーションのための深層学習アプローチを示した。提案アーキテクチャは,3Dポイントクラウドの範囲ビュー表現を使用し,さらに,カメラ特徴を利用して,精度とロバスト性を増加させた。ライダーとカメラ特徴マップを一旦融合する他の手法とは対照的に,これらのネットワークアーキテクチャ内で反復的かつ異なるスケールでそれらを融合する。大規模ベンチマークデータセット上での単一融合アプローチに対して提示した反復深層融合手法の利点を実証した。著者らの評価は,カメラ特徴の追加使用から生じるかなりの改善を示した。さらに,著者らの融合戦略は,かなりのマージンによって現在の最先端戦略より優れている。カメラ特徴の使用にもかかわらず,提示したアプローチは点雲ラベルだけで訓練可能である。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： カメラ ,  *セグメンテーション ,  センサ ,  *三次元 ,  深層 ,  計算機アーキテクチャ ,  ロバスト性 ,  ネットワークアーキテクチャ ,  LIDAR
準シソーラス用語： レーザレーダ ,  自律性 ,  ISP【インターネット】 ,  特徴マップ ,  センサデータ ,  深層学習 , 【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 (5件)： 3D ,  セマンティックセグメンテーション ,  反復 ,  深層 ,  融合