文献

J-GLOBAL ID：202202276014571810   整理番号：22A0853477

ライダーポイントクラウドにおける3Dオブジェクト検出のためのマルチビュー注意【JST・京大機械翻訳】

Multiview Attention for 3D Object Detection in Lidar Point Cloud

著者 (3件)： Wijaya Kevin Tirta (The Robotics Program KAIST,Daejeon,Republic of Korea) ,  Paek Donghee (The Cho Chun Shik Graduate School of Green Transportation KAIST,Daejeon,Republic of Korea) ,  Kong Seung-Hyun (The Cho Chun Shik Graduate School of Green Transportation KAIST,Daejeon,Republic of Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICAIIC  ページ： 210-215  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： ボクセルベースのライダー3D物体検出における先行研究は,自動車,歩行者およびサイクリストのような多様な道路オブジェクトの検出において有望な結果を示した。しかし,これらの作業は,推論実行時間をスピードアップするためにオブジェクト提案を生成する前に,一般的に3Dボリュームから2D鳥アイビュー(BEV)マップに特徴空間を縮小する。その結果,z軸における情報の分解能は著しく減少した。本研究では,フロントビュー(FV)マップから得られた特徴を持つBEV特徴の増強が,高解像度z軸情報を部分的に回復するためのネットワークに対する方法を提供すると仮定した。増強は,BEVで推論され,高速実行時間を維持し,同時に3D検出性能を向上させることができる。著者らの仮説をサポートするために,著者らはFV特性によってBEV特性を強化して,広く使用されたKITTIデータセットに関して大規模な実験を実施するマルチビュー注意モジュールを設計した。実験結果に基づき,著者らの方法は,重要なマージンによって,様々な既存のボクセルベースの3Dオブジェクト検出ネットワークを首尾よく改善した。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： *LIDAR ,  自動車 ,  ネットワーク ,  道路 ,  歩行者 ,  分解能 ,  サイクリスト ,  二次元 ,  *三次元 ,  高分解能 ,  ボクセル
準シソーラス用語： 実行時間 ,  *物体検出 ,  検出能 ,  特徴空間 , 【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 (4件)： 3D ,  オブジェクト検出 ,  マルチビュー ,  注意