@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00123173,
 book = {全国大会講演論文集},
 issue = {人工知能及び認知科学},
 month = {Mar},
 note = {3次元物体認識には大別して2つの方法がある.一つは,物体の2次元画像を2次元表現と比較する方法である.もう一つは,物体の3次データを獲得し,それをあらかじめ用意した3次元モデルと比較する方法である.前者においては2次元画像上の頂点座標を用いて物体を学習・認識する方法が提案されているが,3次元物体を2次元画像に写像する際に3次元情報が失われてしまう.また後者は数箇所から物体を撮影し,各矩離画像により3次元空間上で対応付けを行い3次元データを獲得することが考えられる.しかしこれは容易なことではない.ところでニューラルネットワークは,数少ない教師データにより一度ネットワークの結合の重み(結合荷重行列)を決定すれば,後は入力パターンを与えるだけでパターンマッチングが行えるという利点を持っている.そこで最近,パターン認識の応用研究が活発に行われている.ここでニューラルネットワークの学習法として,Rumelhartらの提案によるバックプロバゲーション(BP)アルゴリズムがパターン学習に有効であることが認められている.そして,2次元のイメージに対してニューラルネットワークを用いたエッジ抽出の有効性についても報告されている.そこで本稿では,物体の特徴となる3次元情報を失うことなく,また3次元空間上での対応付けの問題を解決し1枚の距離画像からでも認識が行えるようにするため,3次元座標を特徴量としこれをニューラルネットワークに適用した一手法について述べる.},
 pages = {127--128},
 publisher = {情報処理学会},
 title = {ニューラルネットワークを用いた3次元物体の形状認識},
 volume = {第46回},
 year = {1993}
}