時空間ニューラルネットワークと動的視覚センサを用いた高速運動理解【JST・京大機械翻訳】

Bisulco Anthony; Ojeda Fernando Cladera; Isler Volkan; Lee Daniel D.

プレプリント

J-GLOBAL ID：202202203191670992 整理番号：22P0210837

時空間ニューラルネットワークと動的視覚センサを用いた高速運動理解【JST・京大機械翻訳】

Fast Motion Understanding with Spatiotemporal Neural Networks and Dynamic Vision Sensors

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年11月18日プレプリントサーバーでの情報更新日： 2020年11月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文は,高速運動に関する推論のための動的視覚センサ(DVS)ベースのシステムを提示する。代表的なシナリオとして,15m/s以上の速度で,小型で高速接近する物体に静止するロボットの場合を考察した。典型的なフレームレートにおける従来の画像センサがそのような物体を数フレームだけ観測するので,基礎となる動きの推定は標準的なコンピュータビジョンシステムとアルゴリズムに対してかなりの課題を示す。本論文では,昆虫のような動物が,それらの比較的単純な視覚システムによってこの問題をいかに解決するかによって動機付けられた方法を提示する。この解は,DVSからイベントストリームを採り,複数の時間スケールにわたって一連の因果指数フィルタを持つ時間事象をまず符号化する。これらのフィルタを畳込みニューラルネットワーク(CNN)と結合させ,関連する時空間特徴を効率的に抽出した。組合せネットワークは,離散化した極格子上の予測衝突点と同様に,物体の衝突に期待した時間の両方を出力する。これらの臨界推定は,入力物体に適切に反応するために,ネットワークによる最小遅延で計算される。θにおける24.73{deg}誤差,平均離散化半径予測誤差18.4mm,衝突予測誤差に対する25.03%の中央値時間で,23.4m/sで移動するトイダルトに対するこのシステムの結果を強調した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, , , ,

前のページに戻る