論文の概要: A Time-Delay Feedback Neural Network for Discriminating Small,
Fast-Moving Targets in Complex Dynamic Environments
- arxiv url: http://arxiv.org/abs/2001.05846v5
- Date: Mon, 28 Jun 2021 02:02:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-17 07:54:42.747561
- Title: A Time-Delay Feedback Neural Network for Discriminating Small,
Fast-Moving Targets in Complex Dynamic Environments
- Title（参考訳）: 複雑な動的環境における小型高速移動目標の識別のための時間遅延フィードバックニューラルネットワーク
- Authors: Hongxin Wang, Huatian Wang, Jiannan Zhao, Cheng Hu, Jigen Peng and
Shigang Yue
- Abstract要約: 複雑な視覚環境の中で小さな移動物体を識別することは、自律型マイクロロボットにとって重要な課題である。
フィードバック接続を備えたSTMDベースのニューラルネットワーク(Feedback STMD)を提案する。
- 参考スコア（独自算出の注目度）: 8.645725394832969
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Discriminating small moving objects within complex visual environments is a
significant challenge for autonomous micro robots that are generally limited in
computational power. By exploiting their highly evolved visual systems, flying
insects can effectively detect mates and track prey during rapid pursuits, even
though the small targets equate to only a few pixels in their visual field. The
high degree of sensitivity to small target movement is supported by a class of
specialized neurons called small target motion detectors (STMDs). Existing
STMD-based computational models normally comprise four sequentially arranged
neural layers interconnected via feedforward loops to extract information on
small target motion from raw visual inputs. However, feedback, another
important regulatory circuit for motion perception, has not been investigated
in the STMD pathway and its functional roles for small target motion detection
are not clear. In this paper, we propose an STMD-based neural network with
feedback connection (Feedback STMD), where the network output is temporally
delayed, then fed back to the lower layers to mediate neural responses. We
compare the properties of the model with and without the time-delay feedback
loop, and find it shows preference for high-velocity objects. Extensive
experiments suggest that the Feedback STMD achieves superior detection
performance for fast-moving small targets, while significantly suppressing
background false positive movements which display lower velocities. The
proposed feedback model provides an effective solution in robotic visual
systems for detecting fast-moving small targets that are always salient and
potentially threatening.
- Abstract（参考訳）: 複雑な視覚環境内で小さな動く物体を識別することは、一般的に計算能力に制限のある自律型マイクロロボットにとって大きな課題である。
高度に進化した視覚システムを活用することで、空飛ぶ昆虫は、小さな標的が視野のほんの数ピクセルに等しいにもかかわらず、迅速に追跡するときに、交尾を効果的に検知し、獲物を追跡することができる。
小型目標運動に対する高い感度は、小型目標運動検出器(STMD)と呼ばれる特殊なニューロン群によって支持される。
既存のstmdベースの計算モデルは、通常、生の視覚入力から小さな目標の動きに関する情報を抽出するためにフィードフォワードループを介して接続された4つの順次配置された神経層で構成される。
しかし、別の重要な運動知覚の調節回路であるフィードバックはSTMD経路では研究されておらず、その小さな目標運動検出における機能的役割は明らかになっていない。
本稿では,フィードバック接続(feedback stmd)を備えたstmdベースのニューラルネットワークを提案する。
モデルの特性と時間遅延フィードバックループの有無を比較し,高速度オブジェクトの好みを示す。
広汎な実験により、フィードバックSTMDは高速移動小目標に対して優れた検出性能を達成し、低速度を示す背景偽陽性運動を著しく抑制することが示された。
提案するフィードバックモデルは、ロボット視覚システムにおいて、常に有望で潜在的に脅威となる、高速に動く小さなターゲットを検出する効果的なソリューションを提供する。
関連論文リスト
- TSOM: Small Object Motion Detection Neural Network Inspired by Avian Visual Circuit [4.640328175695991]
Retina-OT-Rt視覚回路は、高高度から小さな物体の動き情報を捉えることに非常に敏感である。
本稿では,新しい触覚小物体運動検出ニューラルネットワーク(TSOM)を提案する。
TSOMは生物学的に解釈可能であり、複雑な高高度背景から信頼性の高い小さな物体の運動特徴を抽出するのに有効である。
論文 参考訳（メタデータ） (2024-04-01T01:49:08Z) - PNAS-MOT: Multi-Modal Object Tracking with Pareto Neural Architecture Search [64.28335667655129]
複数の物体追跡は、自律運転において重要な課題である。
トラッキングの精度が向上するにつれて、ニューラルネットワークはますます複雑になり、レイテンシが高いため、実際の運転シナリオにおける実践的な応用に課題が生じる。
本稿では,ニューラル・アーキテクチャ・サーチ(NAS)手法を用いて追跡のための効率的なアーキテクチャを探索し,比較的高い精度を維持しつつ,低リアルタイム遅延を実現することを目的とした。
論文 参考訳（メタデータ） (2024-03-23T04:18:49Z) - SpirDet: Towards Efficient, Accurate and Lightweight Infrared Small
Target Detector [60.42293239557962]
我々は、赤外線小ターゲットの効率的な検出のための新しいアプローチであるSpirDetを提案する。
新しいデュアルブランチスパースデコーダを用いて特徴写像を復元する。
大規模な実験により、提案されたSpirDetは最先端モデルよりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2024-02-08T05:06:14Z) - Spatio-Temporal Feedback Control of Small Target Motion Detection Visual
System [9.03311522244788]
本稿では,時間的フィードバックを用いた視覚システムを構築し,小さな目標運動を検出する。
提案する視覚系は2つの相補的な空間ニューロンからなる。
実験結果から,本システムは小型目標検出における既存手法よりも競争力が高いことが示された。
論文 参考訳（メタデータ） (2022-11-18T10:10:48Z) - Neural Motion Fields: Encoding Grasp Trajectories as Implicit Value
Functions [65.84090965167535]
本稿では,ニューラルネットワークによってパラメータ化される暗黙的値関数として,オブジェクト点群と相対的タスク軌跡の両方を符号化する新しいオブジェクト表現であるNeural Motion Fieldsを提案する。
このオブジェクト中心表現は、SE(3)空間上の連続分布をモデル化し、サンプリングベースのMPCを利用して、この値関数を最適化することで、反応的に把握することができる。
論文 参考訳（メタデータ） (2022-06-29T18:47:05Z) - Infrared Small-Dim Target Detection with Transformer under Complex
Backgrounds [155.388487263872]
変換器を用いた赤外線小径目標検出手法を提案する。
画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。
最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
論文 参考訳（メタデータ） (2021-09-29T12:23:41Z) - An Attention and Prediction Guided Visual System for Small Target Motion
Detection in Complex Natural Environments [7.972704756263765]
複雑な自然環境における小さな目標運動検出は、自律ロボットにとって非常に難しい課題である。
本稿では,この限界を克服するための注意と予測ガイド視覚システムを提案する。
提案する視覚システムは,主にアテンションモジュール,STMDベースニューラルネットワーク,予測モジュールを含む3つのサブシステムから構成される。
論文 参考訳（メタデータ） (2021-04-27T07:42:31Z) - Continuity-Discrimination Convolutional Neural Network for Visual Object
Tracking [150.51667609413312]
本稿では,視覚オブジェクト追跡のためのContinuity-Discrimination Convolutional Neural Network (CD-CNN) という新しいモデルを提案する。
この問題に対処するため、cd-cnnは時間的遅れの概念に基づいた時間的外観連続性をモデル化する。
不正確なターゲットの定位とドリフトを緩和するために,新しい概念 object-centroid を提案する。
論文 参考訳（メタデータ） (2021-04-18T06:35:03Z) - A Bioinspired Approach-Sensitive Neural Network for Collision Detection
in Cluttered and Dynamic Backgrounds [19.93930316898735]
移動中の物体の迅速かつ堅牢な検出は、ロボット視覚システムにとって重要かつ困難な問題である。
哺乳類網膜における神経回路の初等視覚にインスパイアされた,バイオインスパイアされたアプローチ感受性ニューラルネットワーク(AS)を提案する。
提案手法は, クラッタや動的背景の衝突を高精度かつロバストに検出するだけでなく, 位置や方向などの衝突情報を抽出し, 迅速な意思決定を支援する。
論文 参考訳（メタデータ） (2021-03-01T09:16:18Z) - A Bioinspired Retinal Neural Network for Accurately Extracting
Small-Target Motion Information in Cluttered Backgrounds [19.93930316898735]
本稿では,新しいニューロベース運動フィルタリングと多形2次元空間フィルタリングに基づくバイオインスパイアニューラルネットワークを提案する。
2つの信号だけで正確に動きの方向を推定し、異なる大きさと速度の小さな目標に反応する。
また、動き方向や動きの情報を正確かつ迅速に抽出することもできる。
論文 参考訳（メタデータ） (2021-03-01T08:44:27Z) - Fast Motion Understanding with Spatiotemporal Neural Networks and
Dynamic Vision Sensors [99.94079901071163]
本稿では,高速な動きを推論するための動的視覚センサ(DVS)システムを提案する。
ロボットが15m/s以上の速度で接近する小さな物体に反応するケースを考察する。
我々は,23.4m/sで24.73degの誤差を$theta$,18.4mmの平均離散半径予測誤差,衝突予測誤差に対する25.03%の中央値で移動した玩具ダートについて,本システムの結果を強調した。
論文 参考訳（メタデータ） (2020-11-18T17:55:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。