文献

J-GLOBAL ID：202202228139448501   整理番号：22A1175369

単一画像からの統一路上物体検出と深さ推定に向けて【JST・京大機械翻訳】

Towards unified on-road object detection and depth estimation from a single image

著者 (4件)： Lian Guofei (School of Electronic and Information Engineering, South China University of Technology, Guangzhou, China) ,  Wang Yan (School of Electronic and Information Engineering, South China University of Technology, Guangzhou, China) ,  Qin Huabiao (School of Electronic and Information Engineering, South China University of Technology, Guangzhou, China) ,  Chen Guancheng (School of Electronic and Information Engineering, South China University of Technology, Guangzhou, China)
資料名： International Journal of Machine Learning and Cybernetics  (International Journal of Machine Learning and Cybernetics)
巻： 13  号： 5  ページ： 1231-1241  発行年： 2022年 
JST資料番号： W4478A  ISSN： 1868-8071  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 畳み込みニューラルネットワーク(CNN)に基づく路上物体検出は,自動運転の分野で重要な問題である。しかし,従来の2D物体検出は,画像空間におけるオブジェクト分類と位置の達成を目的とし,深さ情報を取得する能力がない。そのうえ,2.5D物体検出を実現するための物体検出と単眼深度推定ネットワークをカスケードするのは非効率的である。この問題に取り組むために,物体検出と深さ推定の統一マルチタスク学習機構を提案した。最初に,著者らは,目標サイズと深さ値の間の変換関係をモデル化するために,透視投影原理を使用する革新的損失関数,すなわち射影一貫性損失を提案した。したがって,オブジェクト検出タスクと深さ推定タスクは相互に制約される。次に,著者らは,グローバル文脈(GC)とAtous Spatial Pyramid Pooling(ASPP)ブロックを適切な方法で組み合わせることによって,大域的マルチスケール特徴抽出方式を提案して,それは,オブジェクト検出と深さ推定の間の効果的特徴学習と協調学習を促進することができた。KITTIと都市景観データセットで行った包括的な実験は,著者らのアプローチが,他の最先端の方法よりも,高いmAPと低い距離推定誤差を達成することを示した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *検出 ,  学習 ,  損失関数 ,  ネットワーク ,  自動運転 ,  特徴抽出 ,  *画像 ,  都市景観 ,  二次元 ,  単眼 ,  射影 ,  機械学習
準シソーラス用語： 推定誤差 ,  マルチスケール ,  *物体検出 ,  マルチタスク学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 路上オブジェクト検出 ,  深さ推定 ,  単眼画像 ,  畳込みニューラルネットワーク ,  YOLOv3

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 物体検出 ,  推定