文献

J-GLOBAL ID：202202279966718788   整理番号：22A0104796

パイプライン並列性と結合したデータボリューム分解を用いた都市および農村シーンの大規模3Dポイントクラウドセマンティックセグメンテーション【JST・京大機械翻訳】

Large-scale 3D point-cloud semantic segmentation of urban and rural scenes using data volume decomposition coupled with pipeline parallelism

著者 (4件)： Chew Alvin Wei Ze (Bentley Systems Research Office, Singapore 098633, 1 Harbourfront Pl, HarbourFront Tower One, Singapore) ,  Ji Ankang (School of Management, Harbin Institute of Technology, Harbin 150001, China) ,  Ji Ankang (School of Civil and Environmental Engineering, Nanyang Technological University, 50 Nanyang Avenue, 639798, Singapore) ,  Zhang Limao (School of Civil and Environmental Engineering, Nanyang Technological University, 50 Nanyang Avenue, 639798, Singapore)
資料名： Automation in Construction  (Automation in Construction)
巻： 133  ページ： Null  発行年： 2022年 
JST資料番号： W0491A  ISSN： 0926-5805  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究では,3D点-雲データを含む意味セグメンテーション解析を行うための有用なデータ特徴を生成するために,データボリューム分解法を最初に導入することにより,一連の系統的解析を実行する一般的手法を提案した。次に,パイプライン並列プロトコルを,深層学習モデル訓練フェーズを加速するために実行した。提案手法は,オープンソースセマンティック3Dデータセットから抽出されるように,約2.0億ポイントクラウドデータポイントを,ボクセルの定義された数を持つ多くの3D規則構造に分解することにより,検証される。各導出3D構造は,それぞれのラベルクラスのデータ分布に正規性を与えた。モデル訓練のための最適ハイパーパラメータを用いて,得られた訓練モデルは,800百万ポイントクラウドデータポイントに近いテストデータセットにおいて,それぞれ,平均全体精度(mOA)と平均交差(mIOU)値0.984と0.752を達成した。結果は,文献における他の最先端のモデルのそれに匹敵した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *セグメンテーション ,  *都市 ,  *農村 ,  分割法 ,  *三次元 ,  ボクセル
準シソーラス用語： 三次元データ ,  ハイパーパラメータ ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  画像セグメンテーション解析 ,  エンコーダデコーダ ,  パイプライン並列性 ,  3D点雲データ

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： パイプライン ,  ボリューム ,  分解 ,  都市 ,  農村 ,  シーン ,  大規模 ,  3D