文献

J-GLOBAL ID：202102254847652511   整理番号：21A2131758

CNNに基づく点雲画像融合目標検出【JST・京大機械翻訳】

Fusing point cloud with image for object detection using convolutional neural networks

著者 (3件)： Zhang Jiesong (上海理工大学光電信息与計算机工程学院,上海 200093) ,  Huang Yingping (上海理工大学光電信息与計算机工程学院,上海 200093) ,  Zhang Rui (上海理工大学光電信息与計算机工程学院,上海 200093)
資料名： Guangdian Gongcheng  (Guangdian Gongcheng)
巻： 48  号： 5  ページ： 63-73  発行年： 2021年 
JST資料番号： C2092A  ISSN： 1003-501X  CODEN： GUGOEC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 自動運転場面における目標検出におけるスケール変化,照明変化,および距離情報の欠如などの問題を解決するために,本論文は,レーザレーダによって提供される深さ情報を付加的特徴として用いて,畳込みニューラルネットワーク(CNN)を訓練するために,ロバストマルチモードデータ融合目標検出法を提案した。まず第一に,入力データをスライディングウィンドウによって分割して,次に,2つのCNN特徴抽出器を用いて,RGB画像と点クラウド深さマップの特徴を抽出し,次に,融合した特徴マップを得て,次に,ターゲット検出ネットワークに,候補フレームの位置回帰と分類を送った。最後に,非極大値抑制(NMS)を,目標の位置,カテゴリー,信頼,および距離情報を含む出力検出結果を処理するために行った。KlTTlデータセットに関する実験結果は,提案方法がマルチモードデータの利点によって異なった照明場面で検出のロバスト性を改善して,スライディングウィンドウを追加して,小さなターゲットの検出効果を改善することを示した。他の多くの検出方法と比較して,この方法は,検出精度と検出速度の総合的優位性を持っている。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： LIDAR ,  ネットワーク ,  *自動運転 ,  照明 ,  特徴抽出 ,  検出法 ,  多モード ,  ロバスト性 ,  データ融合
準シソーラス用語： *画像融合 ,  ターゲット検出 ,  検出精度 ,  特徴マップ ,  奥行きマップ ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  光学情報処理  (BD03060T)

タイトルに関連する用語 (4件)： CNN ,  点雲 ,  画像融合 ,  目標