文献

J-GLOBAL ID：202202265390405149   整理番号：22A0396918

ヒステリシス注意と教師付きコストボリューム構築による深いステレオマッチング【JST・京大機械翻訳】

Deep Stereo Matching With Hysteresis Attention and Supervised Cost Volume Construction

著者 (6件)： Zeng Kai (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Wang Yaonan (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Mao Jianxu (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Liu Caiping (College of Computer Science and Electronic Engineering, Hunan University, Changsha, China) ,  Peng Weixing (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Yang Yin (School of Computing, Clemson University, Clemson, SC, USA)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 31  ページ： 812-822  発行年： 2022年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 修正画像対に対するステレオマッチング視差予測は,深度センシングや自律運転のような多くの視覚タスクに対して非常に重要である。エンドツーエンド訓練ネットワークに関する以前の研究は,特徴抽出のパイプライン,コストボリューム構築,マッチングコスト集約,および不均衡回帰に従う。本論文では,マッチングパイプラインの第1および第2段階の改善を目的とするステレオマッチングのための深層ニューラルネットワークアーキテクチャを提案した。特に,著者らは,著者らの注意機構として,回路におけるヒステリシスコンパレータによって触発されたネットワーク設計を示した。著者らの注意モジュールは多重ブロックであり,入力から直接意図的な特徴を生成する。コスト体積を教師つき方法で構築した。抽出した特徴マップの有益性とコンパクト性の間の良好なバランスを見つけるために,データ駆動の使用を試みた。提案アプローチをいくつかのベンチマークデータセットで評価した。実験結果は,著者らの方法がSceneFlow,KITTI 2012,およびKITTI 2015データセットに関する以前の方法より優れていることを証明した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  ヒステリシス ,  ネットワーク ,  特徴抽出 ,  コンパレータ ,  多重化 ,  視差 ,  エンドツーエンド方式 ,  コンパクト性 ,  深層 ,  ベンチマーク ,  *ステレオマッチング
準シソーラス用語： ネットワーク設計 ,  特徴マップ ,  ニューラルネットワークアーキテクチャ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： ヒステリシス ,  注意 ,  教師 ,  ボリューム ,  構築 ,  ステレオマッチング