| 大会名称 |
|---|
| 2019年 総合大会 |
| 大会コ－ド |
| 2019G |
| 開催年 |
| 2019 |
| 発行日 |
| 2019-03-05 |
| セッション番号 |
| D-12B |
| セッション名 |
| パターン認識・メディア理解B |
| 講演日 |
| 2019/03/22 |
| 講演場所(会議室等) |
| 54号館 204教室 |
| 講演番号 |
| D-12-51 |
| タイトル |
| 領域分割と視点変換を用いたデータ拡張 |
| 著者名 |
| ○白神健瑠, 宮本 健, 塚原 整, |
| キーワード |
| データ拡張, セグメンテーション, SLAM, 深層学習 |
| 抄録 |
| 深層学習を用いて物体を認識するモデルを作成するためには大量の画像が必要である．認識対象が車，人などの一般的な物体であれば公開データを利用できるが，認識対象が特定物体の場合，画像の大量収集は困難である．本稿では，特定物体の3次元情報から画像を大量に用意するデータ拡張手法を述べる．本手法では，画像のセグメンテーション手法の1つであるGraph Cut (GC)を用いて，RGB-D Simultaneous Localization and Mapping (RGB-D SLAM)によって得られる少数画像から，大量の学習用画像を生成する．本手法を利用することで，対象物体を一度撮影し，数回の領域分割を行うだけで大量の学習用画像を生成することが可能となる． |
| 本文pdf |
|
PDF download
|