@techreport{oai:ipsj.ixsq.nii.ac.jp:00216715,
 author = {牧, しほり and 金井, 謙治 and 廣瀬, 翔太 and 孫, 鶴鳴 and 甲藤, 二郎 and Shiori, Maki and Kenji, Kanai and Shota, Hirose and Heming, Sun and Jiro, Katto},
 issue = {33},
 month = {Feb},
 note = {近年，深層学習による点群データ分類の研究が進んでいる．本研究では，オクルージョンに対応できるモデルの学習を行うため，2 次元画像分類で提案されているデータ拡張手法を 3 次元点群に拡張する手法について提案する．提案手法によって，オクルージョンによって点群データが欠けたとしても，分類精度向上に繋がることを評価する．また，意図的に重要な点を削除するような攻撃や実際のセンサから得られた点群に対しての効果も検証する．, In recent years, research of point cloud classification using deep learning has been improved. In this paper, we propose a data augmentation method for building a robust model against occlusions. The proposed model is inspired by the 2D data augmentation methods, such as random erasing and cutout methods. Through the performance evaluations, we verify that the proposed method can contribute to improvement of classification accuracy even if a part of point cloud is lacked due to the occlusion. In addition, we also verify availability of the proposed method against real data and adversarial data that intentionally drops important points.},
 title = {点群分類モデルに対するオクルージョンを考慮したデータ拡張手法の精度評価},
 year = {2022}
}