物体認識と姿勢推定を同時に行うための基準平面変換の弱教師ありトリプレット学習

データへの教師ラベル付けの手間を減らすために、基準平面の訓練サンプルを用いて、物体認識と姿勢推定を同時に行う手法を提案します。高い性能を実現するには、十分な数の訓練サンプルを収集することが重要です。しかし、姿勢パラメータのラベル付けには時間がかかります。そこで、姿勢パラメータを明示的にラベル付けすることなく、物体クラスのラベルのみを用いてネットワークモデルを学習します。物体を認識し、その姿勢を推定するために、空間変換器を備えたネットワークを対照学習の枠組みで設計します。これにより、物体の基準平面が常に一定の姿勢へ変換され、その特徴が物体クラスと整合するようにします。公開データセットを用いた実験では、トリプレット学習または空間変換ネットワークを単純に用いる場合と比較して、提案手法によって物体認識の精度が向上し、姿勢推定の誤差が小さくなることが分かりました。