JP2021039426A - 推定装置、推定方法及びプログラム - Google Patents
推定装置、推定方法及びプログラム Download PDFInfo
- Publication number
- JP2021039426A JP2021039426A JP2019158675A JP2019158675A JP2021039426A JP 2021039426 A JP2021039426 A JP 2021039426A JP 2019158675 A JP2019158675 A JP 2019158675A JP 2019158675 A JP2019158675 A JP 2019158675A JP 2021039426 A JP2021039426 A JP 2021039426A
- Authority
- JP
- Japan
- Prior art keywords
- reliability
- point
- cloud data
- point cloud
- probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Abandoned
Links
- 238000000034 method Methods 0.000 title claims description 55
- 230000010354 integration Effects 0.000 claims description 44
- 239000013598 vector Substances 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000012937 correction Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 18
- 230000008878 coupling Effects 0.000 claims description 11
- 238000010168 coupling process Methods 0.000 claims description 11
- 238000005859 coupling reaction Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000007792 addition Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2137—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on criteria of topology preservation, e.g. multidimensional scaling or self-organising maps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/56—Particle system, point based geometry or rendering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Graphics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】実施形態の推定装置は、取得部と生成部と推定部とを備える。取得部は、第1点群データを取得する。生成部は、前記第1点群データから、属性の推定対象として注目される注目点と、少なくとも1つの観測点と、が結合された第2点群データを生成する。推定部は、前記第2点群データを使用して、前記属性に属する所属確率を、前記属性毎に算出することによって、前記注目点の属性を推定する。
【選択図】図1
Description
はじめに、第1実施形態の推定装置100の機能構成の例について説明する。
図1は第1実施形態の推定装置100の機能構成の例を示す図である。第1実施形態の推定装置100は、取得部1、入力データ生成部2及び推定部3を備える。入力データ生成部2は、注目点選択部21、観測点選択部22及び結合部23を備える。
図4は第1実施形態の推定方法の例を示すフローチャートである。はじめに、取得部1が、外部記憶装置や3次元計測装置等から第1点群データを取得する(ステップS1)。次に、注目点選択部21が、ステップS1の処理によって取得された第1点群データXから、属性の推定対象として注目される注目点Cpを選択する(ステップS2)。
次に第2実施形態について説明する。第2実施形態の説明では、第1実施形態と同様の説明については省略し、第1実施形態と異なる箇所について説明する。
図5は第2実施形態の推定装置100−2の機能構成の例を示す図である。第2実施形態の推定装置100−2は、取得部1、入力データ生成部2、推定部3、統合部4及び決定部5を備える。入力データ生成部2は、注目点選択部21、観測点選択部22及び結合部23を備える。
図6は第2実施形態の推定方法の例を示すフローチャートである。ステップS11〜ステップS15の処理は、第1実施形態のステップS1〜ステップS5の処理と同じなので、説明を省略する。
次に第3実施形態について説明する。第3実施形態の説明では、第2実施形態と同様の説明については省略し、第2実施形態と異なる箇所について説明する。
図7は第3実施形態の推定装置100−3の機能構成の例を示す図である。第3実施形態の推定装置100−3は、取得部1、入力データ生成部2、推定部3、統合部4、決定部5、算出部6及び補正部7を備える。入力データ生成部2は、注目点選択部21、観測点選択部22及び結合部23を備える。
図9は第3実施形態の推定方法の例を示すフローチャートである。ステップS21〜ステップS27の処理は、第2実施形態のステップS11〜ステップS17の処理と同じなので、説明を省略する。
次に第4実施形態について説明する。第4実施形態の説明では、第3実施形態と同様の説明については省略し、第3実施形態と異なる箇所について説明する。
図10は第4実施形態の推定装置100−4の機能構成の例を示す図である。第4実施形態の推定装置100−4は、取得部1、入力データ生成部2、推定部3、統合部4、決定部5、算出部6、補正部7及び表示制御部8を備える。入力データ生成部2は、注目点選択部21、観測点選択部22及び結合部23を備える。
図12は第1乃至第4実施形態の推定装置100−1乃至100−4のハードウェア構成の例を示す図である。以下では、第4実施形態の推定装置100−4の場合を例にして説明する。なお、第1乃至第3実施形態の推定装置100−1乃至100−3の場合も、第4実施形態の推定装置100−4と同様である。
2 生成部
3 推定部
4 統合部
5 決定部
6 算出部
7 補正部
8 表示制御部
21 注目点選択部
22 観測点選択部
23 結合部
100 推定装置
201 制御装置
202 主記憶装置
203 補助記憶装置
204 表示装置
205 入力装置
206 通信装置
210 バス
Claims (27)
- 第1点群データを取得する取得部と、
前記第1点群データから、属性の推定対象として注目される注目点と、少なくとも1つの観測点と、が結合された第2点群データを生成する生成部と、
前記第2点群データを使用して、前記属性に属する所属確率を、前記属性毎に算出することによって、前記注目点の属性を推定する推定部と、
を備える推定装置。 - 前期生成部は、
前期第1点群データから前記注目点を選択する注目点選択部と、
前期第1点群データから、所定の選択確率にしたがって、所定の数の前記観測点を選択する観測点選択部と、
前記観測点毎に、前記観測点の座標成分と、前記注目点の座標成分とを結合したベクトルを生成する結合部と、を備え、
前記第2点群データは、前記ベクトルの成分を配列したテンソルによって表される、
請求項1に記載の推定装置。 - 前記推定部は、前記第2点群データが入力される入力層と、前記属性毎の所属確率を出力する出力層とを含むニューラルネットワークによって、前記属性毎に前記所属確率を算出する、
請求項1に記載の推定装置。 - 前記生成部は、前記第2点群データの生成処理を所定の回数だけ繰り返し、
前記推定部は、所定の回数だけ生成された前記第2点群データ毎に、前記所属確率を算出し、
前記第2点群データ毎に算出された所属確率に基づいて、前記属性毎に統合確率を算出する統合部、
を更に備える請求項1に記載の推定装置。 - 前記統合確率は、前記所定の回数だけ生成された第2点群データ毎に算出された複数の所属確率の平均である、
請求項4に記載の推定装置。 - 前記統合確率がより大きい属性を、前記注目点の属性に決定する決定部、
を更に備える請求項4に記載の推定装置。 - 前記統合確率に基づいて推定の信頼性を示す信頼度を算出する算出部を更に備え、
前記決定部は、前記信頼度が信頼度閾値以下の場合、更に所定の追加回数、前記第2点群データの生成、及び、前記所属確率の算出を繰り返すことを決定し、前記所定の追加回数だけ更に算出された所属確率に更に基づいて算出された前記統合確率によって、前記注目点の属性を決定する、
請求項6に記載の推定装置。 - 前記統合確率に基づいて推定の信頼性を示す信頼度を算出する算出部と、
前記信頼度が信頼度閾値以下である、または、属性が決定されていない未決定注目点の属性及び信頼度を、前記未決定注目点との距離が距離閾値以下であり、かつ、前記信頼度が信頼度閾値より大きい注目点の属性及び信頼度によって補正する補正部と、
を更に備える請求項6に記載の推定装置。 - 前記統合確率に基づいて推定の信頼性を示す信頼度を算出する算出部と、
前記信頼度に基づいて、前記注目点に対応する第1点群データの点の信頼度を示す信頼度マップの表示制御をする表示制御部と、
を更に備える請求項6に記載の推定装置。 - 第1点群データを取得するステップと、
前記第1点群データから、属性の推定対象として注目される注目点と、少なくとも1つの観測点と、が結合された第2点群データを生成するステップと、
前記第2点群データを使用して、前記属性に属する所属確率を、前記属性毎に算出することによって、前記注目点の属性を推定するステップと、
を含む推定方法。 - 前期生成するステップは、
前期第1点群データから前記注目点を選択するステップと、
前期第1点群データから、所定の選択確率にしたがって、所定の数の前記観測点を選択するステップと、
前記観測点毎に、前記観測点の座標成分と、前記注目点の座標成分とを結合したベクトルを生成するステップと、を含み、
前記第2点群データは、前記ベクトルの成分を配列したテンソルによって表される、
請求項10に記載の推定方法。 - 前記推定するステップは、前記第2点群データが入力される入力層と、前記属性毎の所属確率を出力する出力層とを含むニューラルネットワークによって、前記属性毎に前記所属確率を算出する、
請求項10に記載の推定方法。 - 前記第2点群データを生成するステップは、前記第2点群データの生成処理を所定の回数だけ繰り返し、
前記推定するステップは、所定の回数だけ生成された前記第2点群データ毎に、前記所属確率を算出し、
前記第2点群データ毎に算出された所属確率に基づいて、前記属性毎に統合確率を算出するステップ、
を更に含む請求項10に記載の推定方法。 - 前記統合確率は、前記所定の回数だけ生成された第2点群データ毎に算出された複数の所属確率の平均である、
請求項13に記載の推定方法。 - 前記統合確率がより大きい属性を、前記注目点の属性に決定するステップ、
を更に含む請求項13に記載の推定方法。 - 前記統合確率に基づいて推定の信頼性を示す信頼度を算出するステップを更に含み、
前記決定するステップは、前記信頼度が信頼度閾値以下の場合、更に所定の追加回数、前記第2点群データの生成、及び、前記所属確率の算出を繰り返すことを決定し、前記所定の追加回数だけ更に算出された所属確率に更に基づいて算出された前記統合確率によって、前記注目点の属性を決定する、
請求項15に記載の推定方法。 - 前記統合確率に基づいて推定の信頼性を示す信頼度を算出するステップと、
前記信頼度が信頼度閾値以下である、または、属性が決定されていない未決定注目点の属性及び信頼度を、前記未決定注目点との距離が距離閾値以下であり、かつ、前記信頼度が信頼度閾値より大きい注目点の属性及び信頼度によって補正するステップと、
を更に含む請求項15に記載の推定方法。 - 前記統合確率に基づいて推定の信頼性を示す信頼度を算出するステップと、
前記信頼度に基づいて、前記注目点に対応する第1点群データの点の信頼度を示す信頼度マップの表示制御をするステップと、
を更に含む請求項15に記載の推定方法。 - コンピュータを、
第1点群データを取得する取得部と、
前記第1点群データから、属性の推定対象として注目される注目点と、少なくとも1つの観測点と、が結合された第2点群データを生成する生成部と、
前記第2点群データを使用して、前記属性に属する所属確率を、前記属性毎に算出することによって、前記注目点の属性を推定する推定部、
として機能させるためのプログラム。 - 前期生成部は、
前期第1点群データから前記注目点を選択する注目点選択部と、
前期第1点群データから、所定の選択確率にしたがって、所定の数の前記観測点を選択する観測点選択部と、
前記観測点毎に、前記観測点の座標成分と、前記注目点の座標成分とを結合したベクトルを生成する結合部と、を備え、
前記第2点群データは、前記ベクトルの成分を配列したテンソルによって表される、
請求項19に記載のプログラム。 - 前記推定部は、前記第2点群データが入力される入力層と、前記属性毎の所属確率を出力する出力層とを含むニューラルネットワークによって、前記属性毎に前記所属確率を算出する、
請求項19に記載のプログラム。 - 前記生成部は、前記第2点群データの生成処理を所定の回数だけ繰り返し、
前記推定部は、所定の回数だけ生成された前記第2点群データ毎に、前記所属確率を算出し、
前記第2点群データ毎に算出された所属確率に基づいて、前記属性毎に統合確率を算出する統合部、
を更に備える請求項19に記載のプログラム。 - 前記統合確率は、前記所定の回数だけ生成された第2点群データ毎に算出された複数の所属確率の平均である、
請求項22に記載のプログラム。 - 前記統合確率がより大きい属性を、前記注目点の属性に決定する決定部、
を更に備える請求項22に記載のプログラム。 - 前記統合確率に基づいて推定の信頼性を示す信頼度を算出する算出部を更に備え、
前記決定部は、前記信頼度が信頼度閾値以下の場合、更に所定の追加回数、前記第2点群データの生成、及び、前記所属確率の算出を繰り返すことを決定し、前記所定の追加回数だけ更に算出された所属確率に更に基づいて算出された前記統合確率によって、前記注目点の属性を決定する、
請求項24に記載のプログラム。 - 前記統合確率に基づいて推定の信頼性を示す信頼度を算出する算出部と、
前記信頼度が信頼度閾値以下である、または、属性が決定されていない未決定注目点の属性及び信頼度を、前記未決定注目点との距離が距離閾値以下であり、かつ、前記信頼度が信頼度閾値より大きい注目点の属性及び信頼度によって補正する補正部と、
を更に備える請求項24に記載のプログラム。 - 前記統合確率に基づいて推定の信頼性を示す信頼度を算出する算出部と、
前記信頼度に基づいて、前記注目点に対応する第1点群データの点の信頼度を示す信頼度マップの表示制御をする表示制御部と、
を更に備える請求項24に記載のプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019158675A JP2021039426A (ja) | 2019-08-30 | 2019-08-30 | 推定装置、推定方法及びプログラム |
US16/803,507 US11341737B2 (en) | 2019-08-30 | 2020-02-27 | Estimation apparatus, estimation method, and computer program product |
JP2022197944A JP7395705B2 (ja) | 2019-08-30 | 2022-12-12 | 推定装置、推定方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019158675A JP2021039426A (ja) | 2019-08-30 | 2019-08-30 | 推定装置、推定方法及びプログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022197944A Division JP7395705B2 (ja) | 2019-08-30 | 2022-12-12 | 推定装置、推定方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021039426A true JP2021039426A (ja) | 2021-03-11 |
Family
ID=74679870
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019158675A Abandoned JP2021039426A (ja) | 2019-08-30 | 2019-08-30 | 推定装置、推定方法及びプログラム |
JP2022197944A Active JP7395705B2 (ja) | 2019-08-30 | 2022-12-12 | 推定装置、推定方法及びプログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022197944A Active JP7395705B2 (ja) | 2019-08-30 | 2022-12-12 | 推定装置、推定方法及びプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11341737B2 (ja) |
JP (2) | JP2021039426A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7344620B1 (ja) * | 2022-07-22 | 2023-09-14 | 株式会社 Sai | 建屋内構造物認識システム及び建屋内構造物認識方法 |
US12105770B2 (en) | 2020-09-07 | 2024-10-01 | Kabushiki Kaisha Toshiba | Estimation device, estimation method, and computer program product |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008076384A (ja) * | 2006-08-23 | 2008-04-03 | Canon Inc | 情報処理方法、情報処理装置およびプログラム |
JP2017215940A (ja) * | 2016-05-30 | 2017-12-07 | 株式会社東芝 | 情報処理装置、車両、情報処理方法およびプログラム |
JP2018198053A (ja) * | 2017-05-22 | 2018-12-13 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
WO2018229812A1 (ja) * | 2017-06-12 | 2018-12-20 | 株式会社日立製作所 | 三次元計測装置、および方法 |
JP2019003527A (ja) * | 2017-06-19 | 2019-01-10 | 日本電信電話株式会社 | 特徴抽出装置、物体検出装置、方法、及びプログラム |
JP2019012426A (ja) * | 2017-06-30 | 2019-01-24 | キヤノン株式会社 | 画像認識装置、学習装置、画像認識方法、学習方法及びプログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019008571A (ja) | 2017-06-26 | 2019-01-17 | 株式会社デンソーアイティーラボラトリ | 物体認識装置、物体認識方法、プログラム、及び学習済みモデル |
CN109635917B (zh) * | 2018-10-17 | 2020-08-25 | 北京大学 | 一种多智能体合作决策及训练方法 |
US10940863B2 (en) * | 2018-11-01 | 2021-03-09 | GM Global Technology Operations LLC | Spatial and temporal attention-based deep reinforcement learning of hierarchical lane-change policies for controlling an autonomous vehicle |
-
2019
- 2019-08-30 JP JP2019158675A patent/JP2021039426A/ja not_active Abandoned
-
2020
- 2020-02-27 US US16/803,507 patent/US11341737B2/en active Active
-
2022
- 2022-12-12 JP JP2022197944A patent/JP7395705B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008076384A (ja) * | 2006-08-23 | 2008-04-03 | Canon Inc | 情報処理方法、情報処理装置およびプログラム |
JP2017215940A (ja) * | 2016-05-30 | 2017-12-07 | 株式会社東芝 | 情報処理装置、車両、情報処理方法およびプログラム |
JP2018198053A (ja) * | 2017-05-22 | 2018-12-13 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
WO2018229812A1 (ja) * | 2017-06-12 | 2018-12-20 | 株式会社日立製作所 | 三次元計測装置、および方法 |
JP2019003527A (ja) * | 2017-06-19 | 2019-01-10 | 日本電信電話株式会社 | 特徴抽出装置、物体検出装置、方法、及びプログラム |
JP2019012426A (ja) * | 2017-06-30 | 2019-01-24 | キヤノン株式会社 | 画像認識装置、学習装置、画像認識方法、学習方法及びプログラム |
Non-Patent Citations (2)
Title |
---|
CHARLES R. QI, 外3名: ""PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation"", 2017 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), JPN6022009524, 26 July 2017 (2017-07-26), US, pages 77 - 85, ISSN: 0004872521 * |
劉 ▲▼, 外2名: ""3次元脳血管画像における動脈瘤の自動検出に向けて"", 電子情報通信学会技術研究報告, vol. 第117巻, 第50号, JPN6022009523, 18 May 2017 (2017-05-18), JP, pages 7 - 12, ISSN: 0004726971 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12105770B2 (en) | 2020-09-07 | 2024-10-01 | Kabushiki Kaisha Toshiba | Estimation device, estimation method, and computer program product |
JP7344620B1 (ja) * | 2022-07-22 | 2023-09-14 | 株式会社 Sai | 建屋内構造物認識システム及び建屋内構造物認識方法 |
WO2024018642A1 (ja) * | 2022-07-22 | 2024-01-25 | 株式会社 Sai | 建屋内構造物認識システム及び建屋内構造物認識方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7395705B2 (ja) | 2023-12-11 |
US20210064914A1 (en) | 2021-03-04 |
US11341737B2 (en) | 2022-05-24 |
JP2023017091A (ja) | 2023-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145781B (zh) | 用于处理图像的方法和装置 | |
JP7395705B2 (ja) | 推定装置、推定方法及びプログラム | |
EP3614225B1 (en) | Method and apparatus for positioning autonomous vehicle | |
US11328473B2 (en) | Information processing apparatus, information processing method, and non-transitory computer-readable storage medium | |
JP7086878B2 (ja) | 学習装置、学習方法、プログラムおよび認識装置 | |
JP6431404B2 (ja) | 姿勢推定モデル生成装置及び姿勢推定装置 | |
JP7032913B2 (ja) | 画像処理装置、画像処理方法、コンピュータプログラム | |
JP7055769B2 (ja) | データ生成装置、データ生成方法およびプログラム | |
CN112446275A (zh) | 物体数量推定装置、物体数量推定方法以及存储介质 | |
CN110428461B (zh) | 结合深度学习的单目slam方法及装置 | |
JP2021149842A (ja) | 機械学習システム及び機械学習方法 | |
JP2017068577A (ja) | 演算装置、方法及びプログラム | |
JP2016115190A (ja) | 画像生成システム及び画像生成方法 | |
JP6359985B2 (ja) | デプス推定モデル生成装置及びデプス推定装置 | |
JP5617841B2 (ja) | 画像処理装置、画像処理方法および画像処理用プログラム | |
JP2014078799A (ja) | 画像処理装置及び画像処理方法 | |
JP7379300B2 (ja) | 推定装置、推定方法及びプログラム | |
CN115660991A (zh) | 模型的训练方法、图像曝光矫正方法、装置、设备及介质 | |
JP7478069B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN108256633B (zh) | 一种测试深度神经网络稳定性的方法 | |
CN115428013A (zh) | 信息处理装置和程序 | |
JP2010039968A (ja) | オブジェクト検出装置及び検出方法 | |
US20210027421A1 (en) | Image processing apparatus, image processing method, and computer readable recording medium | |
WO2023166564A1 (ja) | 推定装置 | |
WO2023166565A1 (ja) | 推定装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210309 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220315 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220512 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220913 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221024 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221115 |
|
A762 | Written abandonment of application |
Free format text: JAPANESE INTERMEDIATE CODE: A762 Effective date: 20221215 |