機械知覚&ロボティクスグループ
機械知覚&ロボティクスグループ／中部大学
... We compared the recognition accuracy and processing time of the conventional method (CNN based on region proposal) and the proposed method (CNN based on grasping position).. We compared [r] ...
4
機械知覚&ロボティクスグループ／中部大学
... に提供される 40 種類のアイテムに加えて競技開始直前に提供 される新しいアイテムを認識して取り出す課題が要求された． 物流倉庫では，日々新しい商品が追加される．もし，機械学習 ベースの画像認識システムを構築する場合，取り扱う商品が更 新されるたびに画像認識システムを再学習するのは非現実的で ある．この問題を，どのように解決して効率的な画像認識シス テムを構築するかが ARC 2017 において重要課題である．さら ...
10
機械知覚&ロボティクスグループ／中部大学
... Hinton, N.Srivastava, A.Krizhevsky, I.Sutskever, and R.R.Salakhutdinov, “ Improv- ingneural networks by preventing co-adaptation of feature detectors ”, Clinical Orthopaedics and Related[r] ...
6
機械知覚&ロボティクスグループ／中部大学
... Ryoo, “Human activity prediction: Early recognition of ongoing activities from streaming videos,” International Conference on Computer Vision, pp.1036–1043, 2011. Hoai and F.D[r] ...
10
機械知覚&ロボティクスグループ／中部大学
... Our method is based on the MaxEnt IRL framework with additional travel time as a goal state of the MDP, which enables us to handle non-goal-directed trajectories.. In an experiment, we u[r] ...
6
機械知覚&ロボティクスグループ／中部大学
... The proposed method consists of three steps: generation of character images, addition of margins and emphasis of outlines, and synthesis of the characters with a complex background.. Fig[r] ...
4
機械知覚&ロボティクスグループ／中部大学
... Masayuki Yamazaki, Takayoshi Yamashita, Yuji Yamauchi ， Hironobu Fujiyoshi (Chubu University).. はじめに[r] ...
1
機械知覚&ロボティクスグループ／中部大学
... Feature descriptor based on singular value decomposition for affine transformed images.. Kohei Kawai, Takahiro Hasegawa, Takayoshi Yamashita, Yuji Yamauchi, Hironobu Fujiyoshi(Chubu Univ[r] ...
1
機械知覚&ロボティクスグループ／中部大学
... ＜キーワード＞物流ロボット, Amazon Robotics Challenge, Robot Vision, Deep Learning, Dataset 1 はじめに ロボット技術の進化により，e コマースにおける物流 倉庫の自動化が進んでいる．その一例として，顧客か ら商品の注文がデータベースに入力されたとき，ロボッ トが商品の入っている棚を持ち上げてピッキングオペ レータの元まで自動搬送するシステムがある [1]．現在， ...
6
機械知覚&ロボティクスグループ／中部大学
... 力な物体検出法である． Region proposal 検出法と CNN を組み合わせた物体検出法として， Regions with Convolutional Neural Network (R-CNN) [80] が提案されている． Region proposal を検出する手法. には，類似するセグメンテーションを繰り返し統合する Selective search[r] ...
156
機械知覚&ロボティクスグループ／中部大学
... Ryo Matsui, Takayoshi Yamashita, Yuji Yamauchi ， Hironobu Fujiyoshi (Chubu University).. はじめに.[r] ...
1
機械知覚&ロボティクスグループ／中部大学
... In the heterogeneous learning of the proposed method, the regression values of coordinates of body posture and face orientation are output from the output layer in DCNN.. As a result, th[r] ...
4
機械知覚&ロボティクスグループ／中部大学
... Teacher 72.57% Student(Knowledge Distillation なし ) 61.30% Student(Knowledge Distillation) 63.64% Student( 提案手法 [ 再学習あり , Hard Target あり ) 65.65% Student( 提案手法 [ 再学習あり , Hard Target なし ) [r] ...
6
機械知覚&ロボティクスグループ／中部大学
... E-mail: †{murarin,hirakawa}@mprg.cs.chubu.ac.jp, ††{yamashita,hf}@cs.chubu.ac.jp あらまし 自動車の自動運転制御は，人間が運転するときに行う道路環境の認知・状況の判断・車両操作の制御をす べて機械が行うことである．深層学習によりカメラ映像のみを入力とし，車両制御信号を出力する研究が行われ，自 ...
6
機械知覚&ロボティクスグループ／中部大学
... 1. はじめに 産業用ロボットや生活支援ロボットの重要なタスク の 1 つとして，ボルトやリモコン等の物体把持が挙げら れる．このタスクを実現するには，ロボットに搭載され たビジョンセンサを用いて RGB 画像や距離画像を撮影 し，物体の最適な把持位置を検出する必要がある．この ような物体把持位置検出法は，機械学習に基づく手法と モデル当てはめに基づく手法に大別できる．モデル当て はめに基づいた把持位置検出法は，Fast ...
4
機械知覚&ロボティクスグループ／中部大学
... 化学習を用いた文献 [2] では， 14 台のロボットマニピュ レータで 80 万回の把持動作を収集し，強化学習により 把持動作を自動獲得している．前者の手法は教師あり 学習であり，教師信号として実空間における運転動作 と画像を大量に収集する必要がある．一方，強化学習 である後者の手法は，教師信号を必要としないが，ロ ボットを実空間で動作させる必要があり，学習に多大 な[r] ...
4
機械知覚&ロボティクスグループ／中部大学
... The proposed method called matrix decomposition can reduce the number of calculations by using common binary basis vectors for E-SVM classification as shown in Fig.. Furthermore, we buil[r] ...
12
機械知覚&ロボティクスグループ／中部大学
... 1 はじめに 従来の物体識別は，Deep Convolutional Neural Network[3] 等の機械学習を用い，ビジョンセンサによ り取得した画像より，識別することが一般的である．し かし，画像からでは箱の内包物の種類や量などの取得 できない情報がある．そこで，本研究は，画像を用い ずに，ロボットハンドに装着された力覚センサ [2] から の把持物体識別を対象する．力覚センサは主にロボッ ...
6
機械知覚&ロボティクスグループ／中部大学
... Binary-decomposed DCNN accelerates recognition processing and compresses models for existing network models by converting feature maps and weightings, which are used in recognition compu[r] ...
8
機械知覚&ロボティクスグループ／中部大学
... Schiele, ”The cityscapes dataset for semantic urban scene un- derstanding”, IEEE Conference on Computer Vi- sion and Pattern Recognition (CVPR2016), 2016. Yuille, ”Deeplab: Semantic im- [r] ...
7