二次元射影変換推定への分解型深層学習の適用に関する考察

カテゴリ: 研究会(論文単位)

論文No: IIS18033

グループ名: 【D】産業応用部門 次世代産業システム研究会

発行日: 2018/07/30

タイトル(英語): An Consideration of Applying Decomposed Deep Learning to Homography Estimation

著者名: 大城 英裕(大分大学),岡 駿佑(大分大学),　行天 啓二(大分大学),高見 利也(大分大学)

著者名(英語): Hidehiro Ohki(Oita University),Shunsuke Oka(Oita University),Keiji Gyohten(Oita University),Toshiya Takami(Oita University)

キーワード: 深層学習|ホモグラフィ分割|パラメタ推定|deep learning|homography decomposition|parameter estimation

要約(日本語): 本研究では, 深層学習を用いたホモグラフィ推定をよりコンパクトにし, 簡単な構造で推定を行うために, ホモグラフィ分解という手法を用いた新たな手法を提案する. ホモグラフィ分解とは, ホモグラフィ行列を数学的に分割する方法で, 相似変換, アフィン変換, 射影変換の 3 つの行列に分解する. \nホモグラフィ全体を一度に学習するのではなく，分解した行列それぞれで学習を行い, 最終的にそれぞれを 1 つのニューラルネットワークにまとめる 2 段階学習法を用いて, 従来の深層学習によるホモラフィ推定より推定パラメタ数減らしたネットワーク構造の構築を目標としている．現状では, 推定における入力データは画像ではなく, ランダムに変換パラメタを生成させ, 疑似的な入出力データで提案手法の推定法を行うが, 今後は, 入力データに画像を用いていくことも検討している.

要約(英語): In this paper, we propose a new method using a method called deep homography decomposition in order to estimate homograpusing deep learning with a simpler structure.

原稿種別: 日本語

PDFファイルサイズ: 1,053 Kバイト