街中シーンにおけるシーン内オブジェクト重要度順序推定

• Item type: SIG Technical Reports(1)
• 公開日: 2023-01-19
• タイトル: 街中シーンにおけるシーン内オブジェクト重要度順序推定
• タイトル / 言語: en
• タイトル: Importance ranking estimation of objects in a city scene.
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 支援
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属: 慶應義塾大学大学院理工学研究科／JSTさきがけ
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Keio University
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Keio University / Presto, JST
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Keio University
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Keio University
• 著者名: 新田, 恭寛; 五十川, 麻理子; 米谷, 竜; 杉本, 麻樹
• 著者名(英): Yasuhiro, Nitta; Mariko, Isogawa; Ryo, Yonetani; Maki, Sugimoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 視覚障害者支援を目的とした街中シーンにおける物体認識などの視覚代行に関する研究が行われており，これらの研究では，障害物などの物体の認識が高い精度で実現されている．一方で，どのような順番で周囲情報を伝えるべきかには検討の余地がある．そこで本研究では，視覚障害者のユーザへの周囲情報の伝達を明確にするため，街中のシーン内の障害物検出を行い，検出された物体に対する重要度順序ネットワークの学習を行った．直前フレームとのオプティカルフロー画像と検出されたオブジェクトの領域情報を入力として組み入れ，ユーザとの距離や移動方向を考慮した順序学習を行った．実験の結果，本手法によって学習されたモデルは 3 つのベースライン手法に比べて高い順序推定精度を示した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Recent studies have been conducted on visual assistance such as object recognition in urban scenes, to assist visually impaired people. These studies have achieved high accuracy in recognizing objects such as obstacles. On the other hand, there is room for further study on the order prediction in which information should be provided. In this study, we trained the importance ranking estimation network for the detected obstacles to clarify how to convey surrounding information to a visually impaired person. We input the optical flow image from the previous frame and the region information of the detected objects as input. It allowed us to learn the network considering the distance from the user and the direction of movement. Experimental results showed that the model trained by this method had higher ranking estimation accuracy than the three baseline methods.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2023-CVIM-232, 号 26, p. 1-6, 発行日 2023-01-19
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会