論文の概要: Adapted Center and Scale Prediction: More Stable and More Accurate

• arxiv url: http://arxiv.org/abs/2002.09053v2
• Date: Sun, 1 Mar 2020 02:32:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 08:02:46.108726
• Title: Adapted Center and Scale Prediction: More Stable and More Accurate
• Title（参考訳）: 適応型センターとスケール予測: より安定し、より正確に
• Authors: Wenhao Wang
• Abstract要約: 検出器・センター・スケール予測に基づく適応法(8.7%)を提案する。 我々はCityPersonsベンチマークで2番目に優れたパフォーマンス、すなわち、合理的なセットで9.3%のログ平均ミスレート(MR)、部分集合でCSP MR、素集合で5.6%のMRを達成する。
• 参考スコア（独自算出の注目度）: 2.6120867124908114
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pedestrian detection benefits from deep learning technology and gains rapid development in recent years. Most of detectors follow general object detection frame, i.e. default boxes and two-stage process. Recently, anchor-free and one-stage detectors have been introduced into this area. However, their accuracies are unsatisfactory. Therefore, in order to enjoy the simplicity of anchor-free detectors and the accuracy of two-stage ones simultaneously, we propose some adaptations based on a detector, Center and Scale Prediction(CSP). The main contributions of our paper are: (1) We improve the robustness of CSP and make it easier to train. (2) We propose a novel method to predict width, namely compressing width. (3) We achieve the second best performance on CityPersons benchmark, i.e. 9.3% log-average miss rate(MR) on reasonable set, 8.7% MR on partial set and 5.6% MR on bare set, which shows an anchor-free and one-stage detector can still have high accuracy. (4) We explore some capabilities of Switchable Normalization which are not mentioned in its original paper.
• Abstract（参考訳）: 歩行者検出はディープラーニング技術から恩恵を受け、近年は急速な発展を遂げている。 ほとんどの検出器は一般的な物体検出フレーム、すなわちデフォルトボックスと2段階プロセスに従う。 近年,アンカーフリーおよびワンステージ検出器がこの地域に導入されている。 しかし、彼らの判断は不満足である。 そこで,アンカーフリー検出器の簡易性と2段検出器の精度を同時に享受するために,検出器,センタ,スケール予測(csp)に基づく適応法を提案する。 本稿の主な貢献は,(1)CSPの堅牢性を改善し,訓練を容易にすることである。 2) 幅,すなわち圧縮幅を予測する新しい手法を提案する。 (3)CityPersonsベンチマークで2番目に優れた性能、すなわち、合理的なセットで9.3%のログ平均ミスレート(MR)、部分集合で8.7%のMR、素集合で5.6%のMRを達成し、アンカーフリーかつ1段検出器の精度は高い。 (4)本論文では言及されていない切換正規化の機能について検討する。

関連論文リスト

• Are We Really Achieving Better Beyond-Accuracy Performance in Next Basket Recommendation? [57.91114305844153]
  次のバスケットレコメンデーション(NBR)は、ますます注目を集めている特別なタイプのシーケンシャルレコメンデーションである。 NBRに関する最近の研究は、繰り返し項目を推奨することと項目を探索することの間に大きなパフォーマンス差が見つかった。 本稿では,繰り返しアイテムを扱い,個別にアイテムを探索する2段階反復探索フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-02T09:59:35Z)
• Simple Training Strategies and Model Scaling for Object Detection [38.27709720726833]
  RetinaNetおよびRCNN検出器を用いたバニラResNet-FPNバックボーンのベンチマークを行った。 バニラ検出器は精度が7.7%向上し、速度は30%速くなった。 我々の最大のRCNN-RSモデルは、ResNet152-FPNバックボーンで52.9%AP、SpineNet143Lバックボーンで53.6%APを達成した。
  論文  参考訳（メタデータ） (2021-06-30T18:41:47Z)
• Enhancing Object Detection for Autonomous Driving by Optimizing Anchor Generation and Addressing Class Imbalance [0.0]
  本研究では,より高速なR-CNNに基づく拡張型2次元物体検出器を提案する。 より高速なr-cnnに対する修正は計算コストを増加させず、他のアンカーベースの検出フレームワークを最適化するために容易に拡張できる。
  論文  参考訳（メタデータ） (2021-04-08T16:58:31Z)
• Probabilistic two-stage detection [83.9604523643406]
  現状の1段階検出器から2段階の確率的検出器を構築する方法を示す。 その結果、検出器は1段と2段の両方の前駆体よりも高速で精度が高い。
  論文  参考訳（メタデータ） (2021-03-12T18:56:17Z)
• Siamese Anchor Proposal Network for High-Speed Aerial Tracking [10.606423891527795]
  本研究では,2段階のシームズネットワークを用いた空中追跡手法を提案する。 当社のフレームワークは,ステージ2の洗練により,パフォーマンスが向上しています。 3つのベンチマーク実験により,200フレーム/秒程度の速度で,我々のアプローチの優れた性能が証明された。
  論文  参考訳（メタデータ） (2020-12-19T14:53:56Z)
• MimicDet: Bridging the Gap Between One-Stage and Two-Stage Object Detection [65.74032877197844]
  1段の検出器は、単純なアーキテクチャのためより効率的だが、2段の検出器は依然として精度でリードしている。 2段階特徴を直接模倣して1段階検出器を訓練する新しいフレームワークであるMimicDetを提案する。 マイクロメソッドは1段と2段の検出器で共有されたバックボーンを持ち、それから2つのヘッドに分岐する。
  論文  参考訳（メタデータ） (2020-09-24T07:36:58Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)
• SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
  本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。 効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。 構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
  論文  参考訳（メタデータ） (2020-07-26T12:32:38Z)
• AABO: Adaptive Anchor Box Optimization for Object Detection via Bayesian Sub-sampling [45.234059749103444]
  オブジェクト検出のためのアンカーボックスを自動的に最適化する問題について検討する。 まず, 信頼度の高い物体検出システムにおいて, アンカー数, アンカースケール, 比率が重要な要因であることを示す。 本稿では,あるデータセットに対してより適切なアンカーボックスを決定するために,AABOという新しいパラメータ最適化手法を提案する。
  論文  参考訳（メタデータ） (2020-07-18T05:44:26Z)
• Detection in Crowded Scenes: One Proposal, Multiple Predictions [79.28850977968833]
  混み合ったシーンにおける高過度なインスタンスを検出することを目的とした,提案手法によるオブジェクト検出手法を提案する。 このアプローチの鍵は、各提案が以前の提案ベースのフレームワークの1つではなく、関連したインスタンスのセットを予測できるようにすることです。 我々の検出器は、CrowdHumanデータセットの挑戦に対して4.9%のAPゲインを得ることができ、CityPersonsデータセットでは1.0%$textMR-2$の改善がある。
  論文  参考訳（メタデータ） (2020-03-20T09:48:53Z)

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。