| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2016-06-13 11:15 深層学習を用いた多様体構築による3次元物体の姿勢推定に関する予備検討 ○二宮宏史・川西康友・出口大輔・井手一郎・村瀬 洋（名大）・小堀訓成・橋本国松（トヨタ自動車）  PRMU2016-39 SP2016-5 WIT2016-5 |
|
| 抄録 | （和） | 近年，物体の3次元姿勢推定技術が注目されている．従来技術として，3次元姿勢変化による2次元画像上での見えの変化を，低次元空間中における多様体で表現するパラメトリック固有空間法がある．この手法は見えの分散に着目し，主成分分析を用いて特徴量を求めるものである．しかし，姿勢変化の大きさと見えの変化の大きさには必ずしも関係があるわけではない．そのため，見えの変化が小さい姿勢の違いを区別することが難しいという問題がある．本報告では，姿勢の分離性に着目した特徴量による多様体構築手法を提案する．姿勢を教師信号として学習したDeep Convolutional Neural Network（DCNN）の中間層から，姿勢の分離性が高い特徴を抽出する．この特徴量を用いて多様体を構築することで，見えの変化が小さい姿勢の違いも区別できると考えられる．実験により，姿勢を教師信号として学習したDCNNから抽出した特徴量による多様体構築を行なうことで，姿勢推定精度の向上を確認した． |
| （英） | Recently, 3D object pose estimation is being focused. The parametric eigenspace method is known as one of the fundamental methods. It represents the appearance change of an object caused by pose change with a manifold embedded in a low-dimentional subspace. It obtains features by PCA, which maximizes the appearance variation. However, there is not always a correlation between pose change and appearance change. So, there is a problem that the method cannot handle a pose change with a slight appearance change. In this report, we introduce deep manifold embedding which maximizes the pose variation. We construct a manifold from features extracted from Deep Convolutional Neural Networks (DCNNs) trained with pose information. Pose estimation with the proposed method achieved the best accuracy in experiments using a public dataset. | |
| キーワード | （和） | 3次元物体 / 姿勢推定 / 多様体 / 深層学習 / / / / |
| （英） | 3D object / pose estimation / manifold / deep learning / / / / | |
| 文献情報 | 信学技報, vol. 116, no. 89, PRMU2016-39, pp. 25-30, 2016年6月. | |
| 資料番号 | PRMU2016-39 | |
| 発行日 | 2016-06-06 (PRMU, SP, WIT) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2016-39 SP2016-5 WIT2016-5 |
|
| 研究会情報 | |
| 研究会 | PRMU SP WIT ASJ-H |
| 開催期間 | 2016-06-13 - 2016-06-14 |
| 開催地（和） | NTT武蔵野研究開発センター |
| 開催地（英） | |
| テーマ（和） | 福祉/音声/聴覚/パターン認識メディア理解一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2016-06-PRMU-SP-WIT-H |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層学習を用いた多様体構築による3次元物体の姿勢推定に関する予備検討 |
| サブタイトル（和） | |
| タイトル（英） | Preliminary study on deep manifold embedding for 3D object pose estimation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 3次元物体 / 3D object |
| キーワード(2)（和/英） | 姿勢推定 / pose estimation |
| キーワード(3)（和/英） | 多様体 / manifold |
| キーワード(4)（和/英） | 深層学習 / deep learning |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 二宮 宏史 / Hiroshi Ninomiya / ニノミヤ ヒロシ |
| 第1著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 川西 康友 / Yasutomo Kawanishi / カワニシ カワニシ |
| 第2著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 出口 大輔 / Daisuke Deguchi / デグチ ダイスケ |
| 第3著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 井手 一郎 / Ichiro Ide / イデ イチロウ |
| 第4著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 村瀬 洋 / Hiroshi Murase / ムラセ ヒロシ |
| 第5著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 小堀 訓成 / Norimasa Kobori / コボリ ノリマサ |
| 第6著者 所属（和/英） | トヨタ自動車株式会社 (略称： トヨタ自動車) Toyota Motor Corporation (略称： Toyota) |
| 第7著者 氏名（和/英/ヨミ） | 橋本 国松 / Kunimatsu Hashimoto / ハシモト クニマツ |
| 第7著者 所属（和/英） | トヨタ自動車株式会社 (略称： トヨタ自動車) Toyota Motor Corporation (略称： Toyota) |
| 講演者 | 第1著者 |
| 発表日時 | 2016-06-13 11:15:00 |
| 発表時間 | 30分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2016-39, SP2016-5, WIT2016-5 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.89(PRMU), no.90(SP), no.91(WIT) |
| ページ範囲 | pp.25-30 |
| ページ数 | 6 |
| 発行日 | 2016-06-06 (PRMU, SP, WIT) |
[研究会発表申込システムのトップページに戻る]