抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究は,画像データの有無で,深さ完了の問題を考察し,そこでは,アルゴリズムが所定の限られた数のピクセルの深さを測定するかもしれない。アルゴリズム課題は,全体的深さ推定誤差を最大限に低減するために,戦略的および動的に画素位置を選択することである。この設定は,プログラマブルLiDARを有する自律車両のための昼間または夜間の深度完了で実現される。提案手法では,ピクセル上のサンプリング確率を定義するための予測子の集合を用いた。この確率はアンサンブルメンバーの予測の分散に比例し,従って予測が困難なピクセルを強調した。さらに,いくつかの予測フェーズにおいて,類似画素の冗長サンプリングを効果的に削減する。著者らのアンサンブルベースの方法は,ブラックボックスとして扱われた最先端のニューラルネットワークのような任意の深さ-競合学習アルゴリズムを用いて実装される。特に,簡単で効果的なランダムフォレストベースアルゴリズムも提示し,同様に,設計においてその内部アンサンブルを使用した。Ma et al.のニューラルネットワークアルゴリズムおよび著者らの方法を実装するためのランダムフォレストベース学習器を用いてKITTIデータセットに関する実験を行った。両実装の精度は,最先端の状態を超えた。ランダムまたはグリッドサンプリングパターンと比較して,著者らの方法は,同じ精度を達成するために必要な測定の数において,4~10の因子による減少を可能にした。【JST・京大機械翻訳】