Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Federal da Paraíba (UFPB) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Aragao, Dunfrey | - |
Autor(es): dc.creator | Nascimento, Tiago | - |
Autor(es): dc.creator | Mondini, Adriano [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-08-04T22:08:50Z | - |
Data de disponibilização: dc.date.available | 2022-08-04T22:08:50Z | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2020-07-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/IWSSIP48289.2020.9145427 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/221528 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/221528 | - |
Descrição: dc.description | One of the fundamental dilemmas of mobile robotics is the use of sensory information to locate an agent in geographic space. In this paper, we developed a global relocation system to predict the robot's position and avoid unforeseen actions from a monocular image, which we named SpaceYNet. We incorporated Inception layers to symmetric layers of down-sampling and up-sampling to solve depth-scene and 6-DoF estimation simultaneously. Also, we compared SpaceYNet to PoseNet - a state of the art in robot pose regression using CNN - in order to evaluate it. The comparison comprised one public dataset and one created in a broad indoor environment. SpaceYNet showed higher accuracy in global percentages when compared to PoseNet. | - |
Descrição: dc.description | Universidade Federal da Paraíba | - |
Descrição: dc.description | Universidade Estadual Paulista 'Júlio de Mesquita Filho' | - |
Descrição: dc.description | Universidade Estadual Paulista 'Júlio de Mesquita Filho' | - |
Formato: dc.format | 217-222 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | International Conference on Systems, Signals, and Image Processing | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Dataset | - |
Palavras-chave: dc.subject | depth-scene | - |
Palavras-chave: dc.subject | pose | - |
Palavras-chave: dc.subject | regression | - |
Palavras-chave: dc.subject | robot | - |
Título: dc.title | SpaceYNet: A Novel Approach to Pose and Depth-Scene Regression Simultaneously | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: