文献

J-GLOBAL ID：202102264956425675   整理番号：21A0672015

MSDPN:多段ニューラルネットワークを用いた部分的レーザ観測による単眼深さ予測【JST・京大機械翻訳】

MSDPN: Monocular Depth Prediction with Partial Laser Observation using Multi-stage Neural Networks

著者 (3件)： Lim Hyungtae (KAIST (Korea Advanced Institute of Science and Technology),School of Electrical Engineering, KI-AI, KI-R) ,  Gil Hyeonjae (undergraduate intern of the laboratory at KAIST,Daejeon,South Korea,34141) ,  Myung Hyun (KAIST (Korea Advanced Institute of Science and Technology),School of Electrical Engineering, KI-AI, KI-R)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IROS  ページ： 10750-10757  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： 本研究では,2D LiDARと単眼カメラを用いて高密度深さマップを予測するために,マルチステージ深さ予測ネットワーク(MSDPN)と呼ばれる深層学習ベース多段ネットワークアーキテクチャを提案した。提案ネットワークは,多段符号器デコーダアーキテクチャとクロスステージ特徴集約(CSFA)から成る。提案した多段符号器デコーダアーキテクチャは,2DLiDARの特性に起因する部分観測問題を軽減し,CSFAは,特徴の希釈から多段ネットワークを防ぎ,ネットワークが特徴間の空間間関係を学習することを可能にする。これまでの研究では,実際の2DLiDARデータよりも入力として地上真実からのサブサンプルデータを用いた。対照的に,この手法はモデルを訓練し,物理的に収集した2D LiDARデータセットを用いて実験を行った。この目的のために,著者らは,KAIST RGBDスキャンデータセットと呼ぶ著者らの自身のデータセットを得て,現実的条件下でMSDPNの有効性とロバスト性を検証した。実験的に検証したように,著者らのネットワークは最先端の方法に対して有望な性能をもたらした。さらに,異なる入力法の性能を分析し,参照深さマップが訓練されていないシナリオでロバストであることを確認した。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： *ネットワーク ,  *ニューラルネットワーク ,  符号器 ,  二次元 ,  *単眼 ,  有効性 ,  ロバスト性 ,  ネットワークアーキテクチャ
準シソーラス用語： 単眼カメラ ,  高密度 ,  奥行きマップ ,  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 (6件)： 多段 ,  ニューラルネットワーク ,  レーザ ,  観測 ,  単眼 ,  予測