論文の概要: An experimental evaluation of Siamese Neural Networks for robot localization using omnidirectional imaging in indoor environments
- arxiv url: http://arxiv.org/abs/2407.10536v1
- Date: Mon, 15 Jul 2024 08:44:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-16 15:50:53.359283
- Title: An experimental evaluation of Siamese Neural Networks for robot localization using omnidirectional imaging in indoor environments
- Title（参考訳）: 室内環境における全方位イメージングを用いたロボット位置推定のためのシームズニューラルネットワークの実験的検討
- Authors: J. J. Cabrera, V. Román, A. Gil, O. Reinoso, L. Payá,
- Abstract要約: 本稿では,ロボットに搭載された頭蓋前視システムによって撮像された全方位画像を用いた局所化問題に対処する。
本研究では,パノラマ画像を用いた屋内環境モデリングのためのシームズニューラルネットワークの可能性を探る。
- 参考スコア（独自算出の注目度）: 1.0485739694839669
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The objective of this paper is to address the localization problem using omnidirectional images captured by a catadioptric vision system mounted on the robot. For this purpose, we explore the potential of Siamese Neural Networks for modeling indoor environments using panoramic images as the unique source of information. Siamese Neural Networks are characterized by their ability to generate a similarity function between two input data, in this case, between two panoramic images. In this study, Siamese Neural Networks composed of two Convolutional Neural Networks (CNNs) are used. The output of each CNN is a descriptor which is used to characterize each image. The dissimilarity of the images is computed by measuring the distance between these descriptors. This fact makes Siamese Neural Networks particularly suitable to perform image retrieval tasks. First, we evaluate an initial task strongly related to localization that consists in detecting whether two images have been captured in the same or in different rooms. Next, we assess Siamese Neural Networks in the context of a global localization problem. The results outperform previous techniques for solving the localization task using the COLD-Freiburg dataset, in a variety of lighting conditions, specially when using images captured in cloudy and night conditions.
- Abstract（参考訳）: 本研究の目的は,ロボットに搭載されたカタディオプトリ・ビジョン・システムによって撮像された全方位画像を用いた局所化問題に対処することである。
そこで本研究では,パノラマ画像を用いた屋内環境モデリングのためのシメセニューラルネットワークの可能性について検討する。
シームズニューラルネットワークは、2つの入力データ、この場合、2つのパノラマ画像間の類似性関数を生成する能力によって特徴付けられる。
本研究では、2つの畳み込みニューラルネットワーク(CNN)からなるシームズニューラルネットワークを用いる。
各CNNの出力は、各画像の特徴付けに使用される記述子である。
画像の相似性は、これらの記述子間の距離を測定することによって計算される。
この事実により、シームズニューラルネットワークは特に画像検索タスクに適している。
まず,2つの画像が同じ部屋で撮影されたか,異なる部屋で撮影されたかを検出するために,局所化に強く関係した初期課題を評価する。
次に、グローバルなローカライゼーション問題におけるシームズニューラルネットワークの評価を行う。
この結果は、COLD-Freiburgデータセットを用いて、特に曇りや夜の条件で撮影された画像を使用する場合、様々な照明条件において、ローカライゼーションタスクを解くための従来の手法よりも優れていた。
関連論文リスト
- Applying Deep Neural Networks to automate visual verification of manual bracket installations in aerospace [0.6562256987706128]
本稿では,Siamese Neural Networkアーキテクチャに基づくディープラーニングに基づく自動視覚検査と検証アルゴリズムについて検討する。
我々は,複数の参照画像に対して単一のモデル投票を行うシームズニューラルネットワークに特有な新しい投票方式を開発した。
論文 参考訳（メタデータ） (2024-08-15T11:58:48Z) - Image segmentation with traveling waves in an exactly solvable recurrent
neural network [71.74150501418039]
繰り返しニューラルネットワークは、シーンの構造特性に応じて、画像をグループに効果的に分割できることを示す。
本稿では,このネットワークにおけるオブジェクトセグメンテーションのメカニズムを正確に記述する。
次に、グレースケール画像中の単純な幾何学的対象から自然画像まで、入力をまたいで一般化するオブジェクトセグメンテーションの簡単なアルゴリズムを実証する。
論文 参考訳（メタデータ） (2023-11-28T16:46:44Z) - Decoupled Mixup for Generalized Visual Recognition [71.13734761715472]
視覚認識のためのCNNモデルを学習するための新しい「デカップリング・ミクスアップ」手法を提案する。
本手法は,各画像を識別領域と雑音発生領域に分離し,これらの領域を均一に組み合わせてCNNモデルを訓練する。
実験結果から,未知のコンテキストからなるデータに対する本手法の高一般化性能を示す。
論文 参考訳（メタデータ） (2022-10-26T15:21:39Z) - Neural Implicit Dictionary via Mixture-of-Expert Training [111.08941206369508]
ニューラルインシシット辞書(NID)を学習することで、データとトレーニング効率の両方を達成する汎用INRフレームワークを提案する。
我々のNIDは、所望の関数空間にまたがるように調整された座標ベースのImpworksのグループを組み立てる。
実験の結果,NIDは最大98%の入力データで2次元画像や3次元シーンの再現を2桁高速化できることがわかった。
論文 参考訳（メタデータ） (2022-07-08T05:07:19Z) - Prune and distill: similar reformatting of image information along rat
visual cortex and deep neural networks [61.60177890353585]
深部畳み込み神経ネットワーク(CNN)は、脳の機能的類似、視覚野の腹側流の優れたモデルを提供することが示されている。
ここでは、CNNまたは視覚野の内部表現で知られているいくつかの顕著な統計的パターンについて考察する。
我々は、CNNと視覚野が、オブジェクト表現の次元展開/縮小と画像情報の再構成と、同様の密接な関係を持っていることを示す。
論文 参考訳（メタデータ） (2022-05-27T08:06:40Z) - Saliency map using features derived from spiking neural networks of
primate visual cortex [0.0]
生体視覚システムにインスパイアされた,デジタル画像の鮮度マップ作成のためのフレームワークを提案する。
これらの領域間の接続性をモデル化するために、スパイクニューラルネットワーク(SNN)シミュレータであるCARLsimライブラリを使用する。
CARLsimが生成したスパイクは抽出された特徴として機能し、私たちの唾液検出アルゴリズムに入力します。
論文 参考訳（メタデータ） (2022-05-02T18:52:39Z) - A singular Riemannian geometry approach to Deep Neural Networks II.
Reconstruction of 1-D equivalence classes [78.120734120667]
入力空間における出力多様体内の点の事前像を構築する。
我々は、n-次元実空間から(n-1)-次元実空間へのニューラルネットワークマップの場合の簡易性に焦点をあてる。
論文 参考訳（メタデータ） (2021-12-17T11:47:45Z) - Comparative evaluation of CNN architectures for Image Caption Generation [1.2183405753834562]
2つの人気のある画像キャプチャ生成フレームワークで17種類の畳み込みニューラルネットワークを評価した。
我々は、畳み込みニューラルネットワークのモデルの複雑さをパラメータ数で測定し、オブジェクト認識タスクにおけるモデルの精度は、必ずしも画像キャプション生成タスクの機能抽出に対する効果と相関するとは限らないことを観察する。
論文 参考訳（メタデータ） (2021-02-23T05:43:54Z) - A Novel ANN Structure for Image Recognition [0.0]
本稿では,画像認識のためのニューラルモデルであるARN(Multi-layer Auto Resonance Networks)を提案する。
Nodesと呼ばれるALNのニューロンは、入力が"カバー"内にあるとき、入力パターンにラッチオンして共鳴する
論文 参考訳（メタデータ） (2020-10-09T14:07:29Z) - A new approach to descriptors generation for image retrieval by
analyzing activations of deep neural network layers [43.77224853200986]
本稿では,ディープニューラルネットワークを用いたコンテンツベース画像検索作業における記述子構築の問題点について考察する。
ネットワークの畳み込み部分のニューロンの総数は多く、その大部分が最終分類決定にほとんど影響を与えないことが知られている。
本稿では,最も重要なニューロン活性化を抽出し,その情報を利用して効果的な記述子を構築する新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-07-13T18:53:10Z) - Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。
人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。
実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2020-05-15T23:57:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。