| 大会名称 |
|---|
| 2020年 総合大会 |
| 大会コ－ド |
| 2020G |
| 開催年 |
| 2020 |
| 発行日 |
| 2020-03-03 |
| 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 |
| 2020/3/19 |
| 講演場所(会議室等) |
| 工学部 講義棟２F 218講義室 |
| 講演番号 |
| D-12-52 |
| タイトル |
| 重み付き推定に基づくファジィRANSACアルゴリズムの学習初期性能の改善 |
| 著者名 |
| ○渡邊俊彦, |
| キーワード |
| コンピュータビジョン, 強化学習, ロバスト推定, モデリング, ファジィ集合, RANSACアルゴリズム |
| 抄録 |
| コンピュータビジョンシステムの構成のためには、高精度な光学モデルを構成する必要があるが、モデル推定やキャリブレーションの過程で乱反射や外光などに起因する外れ値ノイズの影響でモデル精度が劣化する傾向にある。これに対応するロバスト推定手法としてファジィ理論と強化学習の概念を応用したファジィRANSACアルゴリズムが提案されている。本研究では、この手法の学習初期段階でのモデリング性能の向上を目指して、重み付き推定法を併用する方法を提案する。システムモデリングとカメラモデリング実験により、基本性能が向上するだけでなく、学習初期段階においても性能のバラツキが大幅に改善されることを示す。 |
| 本文pdf |
|
PDF download
|