Fugu-MT 論文翻訳(概要): TACO: Trash Annotations in Context for Litter Detection

論文の概要: TACO: Trash Annotations in Context for Litter Detection

arxiv url: http://arxiv.org/abs/2003.06975v2
Date: Tue, 17 Mar 2020 04:09:13 GMT
ステータス: 処理完了
システム内更新日: 2022-12-23 03:24:38.461386
Title: TACO: Trash Annotations in Context for Litter Detection
Title（参考訳）: TACO:リッター検出のためのコンテキストにおけるトレーシュアノテーション
Authors: Pedro F Proen\c{c}a and Pedro Sim\~oes
Abstract要約: TACOは、リッター検出とセグメンテーションのためのオープンイメージデータセットである。本稿では,このデータセットとそれをサポートするために開発されたツールについて述べる。 TACOの現行バージョンにおけるMask R-CNNを用いたインスタンスセグメンテーション性能について報告する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: TACO is an open image dataset for litter detection and segmentation, which is growing through crowdsourcing. Firstly, this paper describes this dataset and the tools developed to support it. Secondly, we report instance segmentation performance using Mask R-CNN on the current version of TACO. Despite its small size (1500 images and 4784 annotations), our results are promising on this challenging problem. However, to achieve satisfactory trash detection in the wild for deployment, TACO still needs much more manual annotations. These can be contributed using: http://tacodataset.org/
Abstract（参考訳）: TACOはリッター検出とセグメンテーションのためのオープンイメージデータセットで、クラウドソーシングを通じて成長している。まず、このデータセットとそれをサポートするために開発されたツールについて述べる。次に,現在のTACOのインスタンス分割性能について,Mask R-CNNを用いて報告する。サイズが小さい(画像1500枚、アノテーション4784枚)にもかかわらず、この挑戦的な問題に対して我々の結果は有望である。しかし、デプロイに十分なゴミ検出を実現するために、TACOはいまだにずっと手動のアノテーションを必要としている。 http://tacodataset.org/ を使って貢献できる。

関連論文リスト

Cross-lingual Contextualized Phrase Retrieval [63.80154430930898]
そこで本研究では,言語間関係の単語検索を多義的に行うタスクの定式化を提案する。我々は、コントラスト学習を用いて、言語間コンテクスト対応句検索(CCPR)を訓練する。フレーズ検索タスクでは、CCPRはベースラインをかなり上回り、少なくとも13ポイント高いトップ1の精度を達成する。
論文参考訳（メタデータ） (2024-03-25T14:46:51Z)
Are Dense Labels Always Necessary for 3D Object Detection from Point Cloud? [72.40353149833109]
現在のSOTA(State-of-the-art)3Dオブジェクト検出法は、トレーニングのために大量の3Dバウンディングボックスアノテーションを必要とすることが多い。シーン毎に1つの3Dオブジェクトにアノテートするだけでよい,スプリスアノテートされた新しいフレームワークを提案する。 SS3D++法は、代わりに3D検出器のトレーニングを改善し、完全に注釈付けされたシーン生成を確実にする。
論文参考訳（メタデータ） (2024-03-05T09:38:11Z)
Benchmarking a Benchmark: How Reliable is MS-COCO? [0.0]
MS-COCOの再注釈であるSama-COCOは、形状解析パイプラインを利用して潜在的なバイアスを発見するために用いられる。モデルは、異なるアノテーション条件の影響を調べるために、両方のデータセットでトレーニングされ、評価される。
論文参考訳（メタデータ） (2023-11-05T16:55:40Z)
ComplETR: Reducing the cost of annotations for object detection in dense scenes with vision transformers [73.29057814695459]
ComplETRは、部分的にアノテートされた高密度なシーンデータセットで欠落したアノテーションを明示的に補完するように設計されている。これにより、シーン内のすべてのオブジェクトインスタンスに注釈を付ける必要がなくなり、アノテーションのコストが削減される。本稿では, 高速R-CNN, カスケードR-CNN, CenterNet2, Deformable DETRなどの人気検出器の性能向上を示す。
論文参考訳（メタデータ） (2022-09-13T00:11:16Z)
Graph Querying for Semantic Annotations [0.0]
複雑なクエリをシンプルに構築し、コーパスに対して実行する専用の構文が利用可能である。 GREW-MATCHはエラーマイニングツールとして見ることができ、不整合が検出されると、修正すべき文を見つけるのに役立つ。
論文参考訳（メタデータ） (2022-07-25T13:08:15Z)
Towards Automatic Parsing of Structured Visual Content through the Use of Synthetic Data [65.68384124394699]
本研究では,構造化ビジュアルコンテンツ(Structured Visual Content, SVC)を画像と地上の真実の形で含む合成データセットを提案する。本稿では、SVC画像からグラフ表現を自動的に抽出するアプリケーションによる、このデータセットの使用例を示す。我々のデータセットは、時間を要する高密度データアノテーションをスキップしながら、SVCの解釈のための強力なモデルの開発を可能にする。
論文参考訳（メタデータ） (2022-04-29T14:44:52Z)
Rethinking Crowdsourcing Annotation: Partial Annotation with Salient Labels for Multi-Label Image Classification [20.48996482670661]
本稿では,クラウドソーシングによる画像アノテーションの再考を提案する。我々の仮説は、アノテータが有意なラベルを持つ複数ラベルの画像を部分的にアノテートするだけでは、アノテーションエラーが少なくなるというものである。同じアノテーション予算で、有能なアノテーションを持つ画像で教師されるマルチラベル画像が、完全に注釈付けされた画像で教師されるモデルより優れていることを示す。
論文参考訳（メタデータ） (2021-09-06T18:28:53Z)
RTE: A Tool for Annotating Relation Triplets from Text [3.2958527541557525]
関係抽出では、2つの実体間の関係を参照する二項関係に焦点をあてる。注釈付きクリーンデータセットの欠如は、この研究領域における重要な課題である。本研究では、研究者が自身のデータセットで関係抽出に注釈を付けることができるウェブベースのツールを構築した。
論文参考訳（メタデータ） (2021-08-18T14:54:22Z)
Adding Seemingly Uninformative Labels Helps in Low Data Regimes [6.953976287091344]
マンモグラフィー画像における腫瘍のセグメンテーションという,専門的アノテーションを必要とする課題について考察する。低データ設定では、専門家アノテーションと非専門家アノテーションの非形式的なラベルを補完し、タスクをマルチクラス問題にすることで、パフォーマンス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） (2020-07-20T17:38:59Z)
ReCO: A Large Scale Chinese Reading Comprehension Dataset on Opinion [58.12255665973199]
本稿では,オピニオン上の中国語読解データセットであるReCOについて述べる。 ReCOの質問は、商用検索エンジンに発行された意見に基づくクエリである。この通路は、検索した文書から支持スニペットを抽出するクラウドワーカーによって提供される。
論文参考訳（メタデータ） (2020-06-22T11:18:26Z)
CASE: Context-Aware Semantic Expansion [68.30244980290742]
本稿では,CASE(Context-Aware Semantic Expansion)と呼ばれる新しいタスクを定義し,検討する。セマンティックな文脈でシード項が与えられた場合、その文脈に適した他の用語をシードとして提案することを目指している。このタスクのアノテーションは,既存のコーパスから完全に自動で,大規模に抽出可能であることを示す。
論文参考訳（メタデータ） (2019-12-31T06:38:57Z)

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。