- sakanazensen
- 2424
- 0
- 0
- 0
次は、中部大藤吉研M1の長谷川くんで「Cascaded FASTによるキーポイント検出」 #nagoyacv
2013-04-27 14:07:06次の発表は、中京大橋本研M1の櫻本さんで、「対象物と類似物の識別性能を最大化する画素群を用いた高速物体検出」#nagoyacv
2013-04-27 14:14:08ネガティブサンプル群とポジティブサンプル群の類似度ヒストグラムの共通部分を最小化し分離度を最大化する参照画素群を選ぶ組合せ最適化 #nagoyacv
2013-04-27 14:19:06GAによりポジティブサンプルとネガティブサンプル群を分離するテンプレートの参照画素を選択(約0.5%の画素数)。これにより高速なテンプレートマッチング(8msec)を実現。#nagoyacv
2013-04-27 14:23:33学習画像には適応してるけど、一般シーンでの汎化性能はふらつくって感じか? #nagoyacv (live at http://t.co/dglggVHvXi)
2013-04-27 14:25:31CV系の研究者は手法とその傾向に着目するけど,コンテンツ系はそもそものゴール設定と結果のインパクトの議論が質疑応答において違いがある気がする. #nagoyacv
2013-04-27 14:25:52続いて、中京大橋本研M1の永瀬さんで、「誤対応確率を最小化する3-D特徴点マッチングと その産業用ロボットへの応用」#nagoyacv
2013-04-27 14:30:58分離度最大化という観点では判別分析法でもいいけど,negatives群とpositives群の数に大きな差があるので難しい #nagoyacv
2013-04-27 14:31:10法線分布ヒストグラムから、各ポイントクラウドの独自性(類似しない周辺形状を持つ点)を算出し特徴点を選択。特徴点のみでマッチングすることで、高性能でかつ高速なばら積み部品の認識を実現。#nagoyacv
2013-04-27 14:37:53どちらが良い悪いでなく、両者を満足する研究ができると良いですね。“@buraimax: CV系の研究者は手法とその傾向に着目するけど,コンテンツ系はそもそものゴール設定と結果のインパクトの議論が質疑応答において違いがある気がする. #nagoyacv”
2013-04-27 14:39:32