文献

J-GLOBAL ID：202202253639604304   整理番号：22A0067077

3Dヘッド姿勢推定を改善するためのデータ駆動アプローチ【JST・京大機械翻訳】

A Data-Driven Approach to Improve 3D Head-Pose Estimation

著者 (2件)： Aghli Nima (Florida Institute of Technology, Melbourne, FL, USA) ,  Ribeiro Eraldo (Florida Institute of Technology, Melbourne, FL, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13017  ページ： 546-558  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： 画像からの頭部姿勢推定はコンピュータビジョンにおける重要な研究題目である。その多くの応用は,注意の焦点,追跡運転者行動,および人間-コンピュータ相互作用の検出を含む。頭部姿勢推定に関する最近の研究は,深い畳み込みニューラルネットワーク(CNN)に基づく開発モデルに焦点を合わせている。これらのモデルは,移動学習と画像増強を用いて訓練され,オクルージョンに対するより良い開始状態とロバスト性を達成した。しかしながら,転送学習ネットワークを使用する方法は,通常,一般的な画像認識を目的とし,より多くのタスク関連ネットワークからの転送学習の徹底的な研究を提供しない。さらに,頭部姿勢推定のために,重いオクルージョンに対するロバスト性とモーションブラーや低輝度のような雑音が極めて重要である。本論文では,ヘッド姿勢モデルの推定精度を著しく改善する新しい画像認証手法を提案した。また,顔認識のような顔関連タスクのために訓練されたモデルの内部活性化を研究することにより,推定精度をさらに改善するためのタスク関連重み初期化を提案した。3つの挑戦的なテストセットに関する著者らのヘッド-姿勢推定モデルをテストして,最先端の方法により良い結果を達成した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  相互作用 ,  学習 ,  ネットワーク ,  画像ぼけ ,  コンピュータビジョン ,  *三次元 ,  画像強調 ,  ロバスト性 ,  コンピュータ ,  オクルージョン ,  画像認識
準シソーラス用語： 推定精度 ,  *姿勢推定 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 3D ,  姿勢推定 ,  データ駆動