Fugu-MT 論文翻訳(概要): BABO: Background Activation Black-Out for Efficient Object Detection

論文の概要: BABO: Background Activation Black-Out for Efficient Object Detection

arxiv url: http://arxiv.org/abs/2002.01609v2
Date: Mon, 23 Mar 2020 12:03:31 GMT
ステータス: 処理完了
システム内更新日: 2023-01-03 21:39:31.128908
Title: BABO: Background Activation Black-Out for Efficient Object Detection
Title（参考訳）: BABO: 効率的なオブジェクト検出のためのバックグラウンドアクティベーションブラックアウト
Authors: Byungseok Roh, Han-Cheol Cho, Myung-Ho Ju, Soon Hyung Pyo
Abstract要約: 本稿では,計算コストを削減できるオブジェクト検出手法を提案する。スパシファイド・アクティベーションは推論速度を高めるために利用することができる。重ネットワーク(VGGとRetinaNet)でも同様の傾向を示す。
参考スコア（独自算出の注目度）: 1.433758865948252
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent advances in deep learning have enabled complex real-world use cases comprised of multiple vision tasks and detection tasks are being shifted to the edge side as a pre-processing step of the entire workload. Since running a deep model on resource-constraint devices is challenging, techniques for efficient inference methods are demanded. In this paper, we present an objectness-aware object detection method to reduce computational cost by sparsifying activation values on background regions where target objects don't exist. Sparsified activation can be exploited to increase inference speed by software or hardware accelerated sparse convolution techniques. To accomplish this goal, we incorporate a light-weight objectness mask generation (OMG) network in front of an object detection (OD) network so that it can zero out unnecessary background areas of an input image before being fed into the OD network. In experiments, by switching background activation values to zero, the average number of zero values increases further from 36% to 68% on MobileNetV2-SSDLite even with ReLU activation while maintaining accuracy on MS-COCO. This result indicates that the total MAC including both OMG and OD networks can be reduced to 62% of the original OD model when only non-zero multiply-accumulate operations are considered. Moreover, we show a similar tendency in heavy networks (VGG and RetinaNet) and an additional dataset (PASCAL VOC).
Abstract（参考訳）: 近年のディープラーニングの進歩により、複数の視覚タスクからなる複雑な実世界のユースケースが実現され、ワークロード全体の前処理ステップとして検出タスクがエッジ側に移動している。リソース制約デバイス上での深いモデルの実行は困難であるため、効率的な推論手法が要求される。本稿では,対象オブジェクトが存在しない背景領域において,アクティベーション値をスパースすることで計算コストを低減できるオブジェクト検出手法を提案する。スパース化アクティベーションは、ソフトウェアやハードウェアアクセラレーションのスパース畳み込み技術によって推論速度を上げるために利用することができる。この目的を達成するために、オブジェクト検出(OD)ネットワークの前に軽量なオブジェクトマスマスク生成(OMG)ネットワークを組み込むことにより、ODネットワークに入力される前に、入力画像の不要な背景領域をゼロにすることができる。実験では、バックグラウンドアクティベーション値をゼロに切り替えることで、ms-cocoの精度を維持しつつreluアクティベーションにおいても、mobilenetv2-ssdliteの平均値が36%から68%に増加する。その結果,OMGネットワークとODネットワークの両方を含むMACは,非ゼロ乗算演算のみを考慮した場合,元のODモデルの62%に削減できることがわかった。さらに、重ネットワーク(VGGとRetinaNet)と追加データセット(PASCAL VOC)でも同様の傾向を示す。

関連論文リスト

ESOD: Efficient Small Object Detection on High-Resolution Images [36.80623357577051]
小さなオブジェクトは通常、わずかに分散され、局所的にクラスタ化される。画像の非対象背景領域において、大量の特徴抽出計算を無駄にする。本稿では,検出器のバックボーンを再利用して,特徴レベルのオブジェクト探索とパッチスライシングを行う方法を提案する。
論文参考訳（メタデータ） (2024-07-23T12:21:23Z)
Enhancing Lightweight Neural Networks for Small Object Detection in IoT Applications [1.6932009464531739]
そこで本研究では,既存の物体検出装置上で使用可能な適応型タイリング手法を提案する。実験の結果,提案手法はF1スコアを最大225%向上し,平均オブジェクト数誤差を最大76%削減できることがわかった。
論文参考訳（メタデータ） (2023-11-13T08:58:34Z)
EV-MGRFlowNet: Motion-Guided Recurrent Network for Unsupervised Event-based Optical Flow with Hybrid Motion-Compensation Loss [4.266841662194981]
イベントカメラは、高時間分解能や高ダイナミックレンジなどの有望な特性を提供する。現在、既存のイベントベースのほとんどの作品では、光学フローを推定するためにディープラーニングを使用している。本稿では,教師なしイベントベース光フロー推定パイプラインであるEV-MGRFlowNetを提案する。
論文参考訳（メタデータ） (2023-05-13T07:08:48Z)
Fast Camouflaged Object Detection via Edge-based Reversible Re-calibration Network [17.538512222905087]
本稿では,ERRNetと呼ばれるエッジベースの可逆再校正ネットワークを提案する。 Selective Edge Aggregation(SEA)とReversible Re-calibration Unit(RRU)の2つの革新的な設計が特徴である。実験の結果,ERRNetは3つのCODデータセットと5つの医用画像セグメンテーションデータセットで既存の最先端ベースラインよりも優れていた。
論文参考訳（メタデータ） (2021-11-05T02:03:54Z)
AdaCon: Adaptive Context-Aware Object Detection for Resource-Constrained Embedded Devices [2.5345835184316536]
畳み込みニューラルネットワークは、オブジェクト検出タスクにおいて最先端の精度を達成する。リソース制約のあるエッジデバイスへの展開に挑戦する計算とエネルギーの要求が大きい。本稿では,物体検出モデルの効率を高めるために,異なる対象カテゴリが共同で発生する確率に関する事前知識を活用する。 COCOデータセットを用いた実験の結果, 適応物体検出モデルでは, エネルギー消費量が最大45%減少し, 遅延が最大27%減少し, 物体検出の平均精度(AP)が低下することがわかった。
論文参考訳（メタデータ） (2021-08-16T01:21:55Z)
You Better Look Twice: a new perspective for designing accurate detectors with reduced computations [56.34005280792013]
BLT-netは、新しい低計算の2段階オブジェクト検出アーキテクチャである。非常にエレガントな第1ステージを使用して、オブジェクトをバックグラウンドから分離することで、計算を削減します。結果のイメージ提案は、高度に正確なモデルによって第2段階で処理される。
論文参考訳（メタデータ） (2021-07-21T12:39:51Z)
MobileSal: Extremely Efficient RGB-D Salient Object Detection [62.04876251927581]
本稿では,効率的なRGB-Dサルエント物体検出(SOD)に焦点を当てた新しいネットワーク,メソッド名を提案する。 RGB-D SODのためのモバイルネットワークの特徴表現能力を強化するために,暗黙的深度復元(IDR)手法を提案する。 IDRとCPRを組み込むことで、7つの挑戦的なRGB-D SODデータセット上のsArtメソッドに対してメソッド名が好ましい。
論文参考訳（メタデータ） (2020-12-24T04:36:42Z)
Progressively Guided Alternate Refinement Network for RGB-D Salient Object Detection [63.18846475183332]
我々は,RGB-Dの高次物体検出のための効率的かつコンパクトなディープネットワークを開発することを目指している。そこで本研究では,改良のための改良ネットワークを提案する。我々のモデルは、既存の最先端のアプローチよりも大きなマージンで優れています。
論文参考訳（メタデータ） (2020-08-17T02:55:06Z)
AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
論文参考訳（メタデータ） (2020-07-14T09:07:29Z)
Cooling-Shrinking Attack: Blinding the Tracker with Imperceptible Noises [87.53808756910452]
The method is proposed to deceive-of-the-the-art SiameseRPN-based tracker。本手法は転送性に優れ,DaSiamRPN,DaSiamRPN-UpdateNet,DiMPなどの他のトップパフォーマンストラッカーを騙すことができる。
論文参考訳（メタデータ） (2020-03-21T07:13:40Z)
BiDet: An Efficient Binarized Object Detector [96.19708396510894]
本稿では,効率的な物体検出のためのバイナライズニューラルネットワークのBiDetを提案する。我々のBiDetは、冗長除去による物体検出にバイナリニューラルネットワークの表現能力を完全に活用している。我々の手法は、最先端のバイナリニューラルネットワークを大きなマージンで上回る。
論文参考訳（メタデータ） (2020-03-09T08:16:16Z)

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。