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
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 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 2017-03-21 14:10
LSTMとCNNを用いたボクセル表現に基づく三次元形状類似検索手法の提案
宮城 諒青野雅樹豊橋技科大
技報オンラインサービス実施中
抄録 (和) 近年,3DスキャナやVRヘッドセット等の普及と共に,3Dコンテンツに対する認識,検索の要求が高まっている.さらに,深層学習を三次元物体に応用することで,形状分類や形状検索などの研究が盛んに行われている.本研究では,ベンチマークの三次元データをもとに,これをバイナリボクセルで表現し,深層学習を用いた新たな検索手法を提案する.具体的には,ボクセルスライス面の二次元的形状特徴を表現するためにConvolutional Neural Network(CNN)を用い,ボクセルの奥行きにおける形状の繋がりから特徴を表現するためにLong Short-Term Memory(LSTM)[1]を用いた.実験の結果,3DCNNを利用したベースライン手法と比べて,分類・検索評価と共に向上が見られたので報告する. 
(英) In recent years, with the spread of 3D scanners, VR headsets, etc., there is an increasing demand for recognition and retrieval for 3D contents. Furthermore, by applying deep learning to 3-dimensional objects, research on shape classification, shape search and the like are actively conducted. In this paper, we represent our model with binary voxels and propose a new method for searching similar 3D shape models using deep learning. Specifically, we employ a Convolutional Neural Network (CNN) to represent a 2D slice extracting from 3D binary voxels, and a Long Short-Term Memory (LSTM) to represent 2D slices as time-series connected features showing a given 3D shape. As a result of the experiment, we could improve the performance of our method against a baseline method which is based on 3DCNN.
キーワード (和) Deep Learning / 3D / LSTM / CNN / 形状類似検索 / バイナリボクセル / /  
(英) Deep Learning / 3D / LSTM / CNN / Shape Retrieval / Binary Voxel / /  
文献情報 信学技報, vol. 116, no. 528, PRMU2016-230, pp. 203-208, 2017年3月.
資料番号 PRMU2016-230 
発行日 2017-03-13 (BioX, PRMU) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 PRMU BioX  
開催期間 2017-03-20 - 2017-03-21 
開催地(和) 名城大 
開催地(英)  
テーマ(和) 安心安全と社会 
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 2017-03-PRMU-BioX 
本文の言語 日本語 
タイトル(和) LSTMとCNNを用いたボクセル表現に基づく三次元形状類似検索手法の提案 
サブタイトル(和)  
タイトル(英) Three-dimensional shape retrieval based in voxel representation using LSTM and CNN 
サブタイトル(英)  
キーワード(1)(和/英) Deep Learning / Deep Learning  
キーワード(2)(和/英) 3D / 3D  
キーワード(3)(和/英) LSTM / LSTM  
キーワード(4)(和/英) CNN / CNN  
キーワード(5)(和/英) 形状類似検索 / Shape Retrieval  
キーワード(6)(和/英) バイナリボクセル / Binary Voxel  
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) 宮城 諒 / Ryo Miyagi / ミヤギ リョウ
第1著者 所属(和/英) 豊橋技術科学大学 (略称: 豊橋技科大)
Toyohashi University of Technology (略称: TUT)
第2著者 氏名(和/英/ヨミ) 青野 雅樹 / Masaki Aono / アオノ マサキ
第2著者 所属(和/英) 豊橋技術科学大学 (略称: 豊橋技科大)
Toyohashi University of Technology (略称: TUT)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2017-03-21 14:10:00 
発表時間 25 
申込先研究会 PRMU 
資料番号 IEICE-BioX2016-67,IEICE-PRMU2016-230 
巻番号(vol) IEICE-116 
号番号(no) no.527(BioX), no.528(PRMU) 
ページ範囲 pp.203-208 
ページ数 IEICE-6 
発行日 IEICE-BioX-2017-03-13,IEICE-PRMU-2017-03-13 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会