屋内シーン解析のための効率的なRGB-Dセマンティックセグメンテーション【JST・京大機械翻訳】

Seichter Daniel; Kohler Mona; Lewandowski Benjamin; Wengefeld Tim; Gross Horst-Michael

プレプリント

J-GLOBAL ID：202202208674441988 整理番号：21P0061068

屋内シーン解析のための効率的なRGB-Dセマンティックセグメンテーション【JST・京大機械翻訳】

Efficient RGB-D Semantic Segmentation for Indoor Scene Analysis

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 (5件)： , , , ,
資料名：
発行年： 2020年11月13日プレプリントサーバーでの情報更新日： 2021年04月07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)

シーンを徹底的に解析することは,異なる環境で作用する移動ロボットにとって極めて重要である。セマンティックセグメンテーションは,(意味的支援)人知覚,(意味的)自由空間検出,(セマンチック)マッピング,および(セマンチック)ナビゲーションのような,様々な後続タスクを強化することができる。本論文では,NVIDIA TensorRTを用いて高い程度に最適化できる効率的でロバストなRGB-Dセグメンテーションアプローチを提案し,従って移動ロボットのシーン解析のための複雑なシステムにおける共通の初期処理ステップとして適している。RGB-DセグメンテーションはRGB画像のみを処理するのに優れており,ネットワークアーキテクチャが注意深く設計されるならば,実時間でまだ実行できることを示した。一般的な屋内データセットNYUv2とSUNRGB-D上で提案した効率的なScene解析ネットワーク(ESANet)を評価し,高速推論を可能にする一方で最先端の性能に達することを示した。さらに,屋外データセットの都市景観に関する評価は,著者らのアプローチが応用の他の分野にも適していることを示した。最後に,ベンチマーク結果のみを示す代わりに,屋内応用シナリオの1つに定性的な結果を示した。【JST・京大機械翻訳】

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

図形・画像処理一般 , パターン認識

, , , ,

前のページに戻る