遠赤外線画像へのGANの適用と自律移動ロボットの制御
防衛装備庁 丹羽 雄一郎
近年深層学習の進展はめざましく、与えられた特徴情報から画像等を生成する「敵対的生成ネットワーク」(Generative Adversarial Networks;GAN)が注目されている。GANを用いることにより大域的欠損画像の補填、モノクロ漫画の着色、馬をシマウマへ変換、存在しない人物画像の生成等が可能となっている。本発表では、GANのロボティクスへの応用事例として、GANの一種であるpix2pixによる遠赤外線画像の可視画像化及びセマンティックセグメンテーションについて述べ、知識蒸留によるアノテーションコストの低い学習手法、並びに自律移動ロボットの障害物回避制御について述べる。
公開年: 2020 年 9 月 21 日
Sélectionner un site web
Choisissez un site web pour accéder au contenu traduit dans votre langue (lorsqu'il est disponible) et voir les événements et les offres locales. D’après votre position, nous vous recommandons de sélectionner la région suivante : .
Vous pouvez également sélectionner un site web dans la liste suivante :
Comment optimiser les performances du site
Pour optimiser les performances du site, sélectionnez la région Chine (en chinois ou en anglais). Les sites de MathWorks pour les autres pays ne sont pas optimisés pour les visites provenant de votre région.
Amériques
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)
Asie-Pacifique
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)