文献

J-GLOBAL ID：202102241022287991   整理番号：21A0270887

オブジェクト検出のための初期融合における相補センサモダリティの強さと弱点の理解【JST・京大機械翻訳】

Understanding Strengths and Weaknesses of Complementary Sensor Modalities in Early Fusion for Object Detection

著者 (2件)： Corral-Soto Eduardo R. (Huawei Noah’s Ark Lab,Canada) ,  Bingbing Liu (Huawei Noah’s Ark Lab,Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IV  ページ： 1785-1792  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： 自律駆動とロボットアプリケーションのための物体検出において,従来のRGBカメラは,極端な照明条件とテクスチャレス表面の下で物体を感知できないことが多いが,一方,LIDARセンサは,センサから遠く離れた小さなあるいは薄い物体を感知するのに失敗することが多い。これらの理由のために,知覚システム設計者のための直感的で明白な選択は,検出ロバスト性を増加(理論上)するために,異なるモダリティの多重センサをインストールすることである。本論文では,RGB画像とLIDAR3D点の早期融合を実行するオブジェクト検出器の解析に焦点を当てた。著者らの目標は,性能を改善するために,さらに多くのセンサモダリティを単純に追加し,その代わりに,3つの異なるモダリティの下でオブジェクト検出器の性能差,強度,および弱点を分析,定量化,および理解することである。1)RGBのみ,2)LIDARのみ,3)早期融合(RGBとLIDAR),および2つの重要なシーン変数;1)センサ(密度)からの物体の距離,2)照明(暗さ)。また,2D弱意味訓練マスクを生成する方法論を提案し,異なる距離範囲でオブジェクト検出性能を別々に評価するための方法論を提案し,それはより信頼性のある検出性能測度を提供し,オブジェクトLIDARポイント密度と良く相関した。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： 信頼性 ,  ロボット ,  照明 ,  照明条件 ,  応用プログラム ,  二次元 ,  センサ ,  ロバスト性 ,  システムエンジニア ,  *LIDAR
準シソーラス用語： *レーザレーダ ,  自律性 ,  暗さ ,  *モダリティ ,  *物体検出 ,  マルチセンサ , 【Automatic Indexing@JST】

分類 (5件)： 医用画像処理  (JE04020T) ,  符号理論  (ND02030R) ,  NMR一般  (BM07041R) ,  専用演算制御装置  (JC04030Y) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： オブジェクト検出 ,  初期 ,  融合 ,  モダリティ ,  理解