Fugu-MT 論文翻訳(概要): Learned Enrichment of Top-View Grid Maps Improves Object Detection

論文の概要: Learned Enrichment of Top-View Grid Maps Improves Object Detection

arxiv url: http://arxiv.org/abs/2003.00710v2
Date: Mon, 9 Mar 2020 11:57:30 GMT
ステータス: 処理完了
システム内更新日: 2022-12-27 05:24:55.831080
Title: Learned Enrichment of Top-View Grid Maps Improves Object Detection
Title（参考訳）: トップビューグリッドマップの学習によるオブジェクト検出の改善
Authors: Sascha Wirges, Ye Yang, Sven Richter, Haohao Hu, Christoph Stiller
Abstract要約: 本稿では,トップビューグリッドマップに対するオブジェクト検出手法を提案する。連成モデルにおける我々のゴールは、複数の近接範囲センサ測定から融合した地図の形で構造知識を正規化することで、一般化を改善することである。
参考スコア（独自算出の注目度）: 4.989065245853379
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose an object detector for top-view grid maps which is additionally trained to generate an enriched version of its input. Our goal in the joint model is to improve generalization by regularizing towards structural knowledge in form of a map fused from multiple adjacent range sensor measurements. This training data can be generated in an automatic fashion, thus does not require manual annotations. We present an evidential framework to generate training data, investigate different model architectures and show that predicting enriched inputs as an additional task can improve object detection performance.
Abstract（参考訳）: 本稿では,その入力の充実したバージョンを生成するように訓練した,トップビューグリッドマップのための物体検出器を提案する。連成モデルにおける我々のゴールは、複数の近接範囲センサ測定から融合した地図の形で構造知識を正規化することで一般化を改善することである。このトレーニングデータは自動で生成することができ、手動のアノテーションを必要としない。本稿では、学習データの生成、異なるモデルアーキテクチャの調査、さらにタスクとしてリッチな入力を予測することにより、オブジェクト検出性能が向上することを示す。

関連論文リスト

Adaptive Guidance Learning for Camouflaged Object Detection [23.777432551429396]
本稿では,適応型誘導学習ネットワーク「textitAGLNet」を提案する。広く使用されている3つのCODベンチマークデータセットの実験により,提案手法が大幅な性能向上を実現することが示された。
論文参考訳（メタデータ） (2024-05-05T06:21:58Z)
Map-aided annotation for pole base detection [0.0]
本稿では2次元HDマップを用いて,画像中の極状特徴を自動的にアノテートする。高さ情報がない場合、地図の特徴は地上のポールベースとして表現される。ポールベースを検出するためにオブジェクト検出器をどのように訓練するかを示す。
論文参考訳（メタデータ） (2024-03-04T09:23:11Z)
InstaGen: Enhancing Object Detection by Training on Synthetic Dataset [59.445498550159755]
本稿では,オブジェクト検出機能の向上,例えばカテゴリ拡大や検出性能の向上など,新たなパラダイムを提案する。我々は、インスタンスレベルのグラウンドヘッドを事前訓練された生成拡散モデルに統合し、生成された画像のインスタンスをローカライズする機能で拡張する。我々は、InstaGenと呼ばれる拡散モデルの強化版がデータシンセサイザーとして機能することを示すために、徹底的な実験を行う。
論文参考訳（メタデータ） (2024-02-08T18:59:53Z)
Robust Object Detection in Remote Sensing Imagery with Noisy and Sparse Geo-Annotations (Full Version) [4.493174773769076]
本稿では,非常にノイズの多い,不完全なアノテーションを用いたオブジェクト検出器のトレーニング手法を提案する。本手法は,教師による学習フレームワークと,不正確で欠落したアノテーションを考慮した修正モジュールに基づく。我々は,雑音の多い実世界のリモートセンシングデータセット上で,標準検出器を37.1%$AP_50$で改善できることを実証した。
論文参考訳（メタデータ） (2022-10-24T07:25:31Z)
Spatial Cross-Attention Improves Self-Supervised Visual Representation Learning [5.085461418671174]
サンプル間の空間的相互相関を考慮に入れた知識の注入を容易にするアドオンモジュールを提案する。これにより、特徴レベルの位置や同クラスのインスタンス間の相互類似性を含むクラス内情報を蒸留することが可能になる。
論文参考訳（メタデータ） (2022-06-07T21:14:52Z)
Simple Open-Vocabulary Object Detection with Vision Transformers [51.57562920090721]
本稿では,画像テキストモデルをオープン語彙オブジェクト検出に転送するための強力なレシピを提案する。我々は、最小限の修正、コントラスト的な画像テキスト事前学習、エンドツーエンド検出細調整を備えた標準のVision Transformerアーキテクチャを使用する。我々は、ゼロショットテキスト条件とワンショット画像条件オブジェクト検出において、非常に強力な性能を達成するために必要な適応戦略と正規化を提供する。
論文参考訳（メタデータ） (2022-05-12T17:20:36Z)
Bending Graphs: Hierarchical Shape Matching using Gated Optimal Transport [80.64516377977183]
形状マッチングは、コンピュータグラフィックスと視覚のコミュニティにとって長い間研究されてきた問題である。局所的なパッチレベル情報とグローバルな形状レベルの構造を組み込んだ階層型学習設計について検討する。本研究では,非信頼ノード上の特徴を逐次更新し,形状間の一貫した一致を学習することで,新しい最適輸送解法を提案する。
論文参考訳（メタデータ） (2022-02-03T11:41:46Z)
Self-supervised Audiovisual Representation Learning for Remote Sensing Data [96.23611272637943]
遠隔センシングにおける深層ニューラルネットワークの事前学習のための自己教師型アプローチを提案する。ジオタグ付きオーディオ記録とリモートセンシングの対応を利用して、これは完全にラベルなしの方法で行われる。提案手法は,既存のリモートセンシング画像の事前学習方法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-08-02T07:50:50Z)
Instance Localization for Self-supervised Detection Pretraining [68.24102560821623]
インスタンスローカリゼーションと呼ばれる,新たな自己監視型プリテキストタスクを提案する。境界ボックスを事前学習に組み込むことで、より優れたタスクアライメントとアーキテクチャアライメントが促進されることを示す。実験結果から, オブジェクト検出のための最先端の転送学習結果が得られた。
論文参考訳（メタデータ） (2021-02-16T17:58:57Z)
Weakly-Supervised Salient Object Detection via Scribble Annotations [54.40518383782725]
本稿では,スクリブルラベルからサリエンシを学習するための弱教師付きサリエント物体検出モデルを提案する。そこで本研究では,予測されたサリエンシマップの構造アライメントを測定するために,新しい尺度であるサリエンシ構造尺度を提案する。我々の手法は、既存の弱教師付き/非教師付き手法よりも優れているだけでなく、いくつかの完全教師付き最先端モデルと同等である。
論文参考訳（メタデータ） (2020-03-17T12:59:50Z)
Single-Stage Object Detection from Top-View Grid Maps on Custom Sensor Setups [3.751342183022128]
本稿では,自動走行シナリオにおけるトップビューグリッドマップ上の単段物体検出のための教師なし領域適応手法を提案する。提案手法を適用すれば,未ラベル領域のオブジェクト検出精度を向上させることができることを示す。
論文参考訳（メタデータ） (2020-02-03T12:05:20Z)

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。