Fugu-MT 論文翻訳(概要): Extended Feature Pyramid Network for Small Object Detection

論文の概要: Extended Feature Pyramid Network for Small Object Detection

arxiv url: http://arxiv.org/abs/2003.07021v2
Date: Thu, 9 Apr 2020 12:49:50 GMT
ステータス: 処理完了
システム内更新日: 2022-12-23 03:22:08.661618
Title: Extended Feature Pyramid Network for Small Object Detection
Title（参考訳）: 小物体検出のための拡張特徴ピラミッドネットワーク
Authors: Chunfang Deng, Mengmeng Wang, Liang Liu, Yong Liu
Abstract要約: 小型物体検出に特化した高分解能ピラミッドレベルの拡張特徴ピラミッドネットワーク(EFPN)を提案する。具体的には,特徴の超解法と信頼性のある地域情報を同時に抽出するために,特徴テクスチャ転送(FTT)と呼ばれる新しいモジュールを設計する。実験では,提案したEFPNは計算とメモリの両方で効率的であり,最先端の結果が得られる。
参考スコア（独自算出の注目度）: 20.029591259254847
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Small object detection remains an unsolved challenge because it is hard to extract information of small objects with only a few pixels. While scale-level corresponding detection in feature pyramid network alleviates this problem, we find feature coupling of various scales still impairs the performance of small objects. In this paper, we propose extended feature pyramid network (EFPN) with an extra high-resolution pyramid level specialized for small object detection. Specifically, we design a novel module, named feature texture transfer (FTT), which is used to super-resolve features and extract credible regional details simultaneously. Moreover, we design a foreground-background-balanced loss function to alleviate area imbalance of foreground and background. In our experiments, the proposed EFPN is efficient on both computation and memory, and yields state-of-the-art results on small traffic-sign dataset Tsinghua-Tencent 100K and small category of general object detection dataset MS COCO.
Abstract（参考訳）: 小さな物体検出は、わずか数ピクセルの小さな物体の情報を抽出することが難しいため、未解決の課題である。機能ピラミッドネットワークにおけるスケールレベルの対応検出はこの問題を軽減するが、様々なスケールの特徴結合は小さなオブジェクトのパフォーマンスを損なう。本稿では,小型物体検出に特化した超高分解能ピラミッドレベルの拡張特徴ピラミッドネットワーク(efpn)を提案する。具体的には,特徴の超解法と信頼性のある地域情報を同時に抽出するために,特徴テクスチャ転送(FTT)と呼ばれる新しいモジュールを設計する。さらに,前景と背景の領域不均衡を軽減するために,前景バランス損失関数を設計する。本実験では,提案するefpnは計算とメモリの両方において効率的であり,tsinghua-tencent 100kおよび一般オブジェクト検出データセットms cocoの小さなカテゴリにおいて最先端の結果が得られる。

関連論文リスト

Small Object Tracking in LiDAR Point Cloud: Learning the Target-awareness Prototype and Fine-grained Search Region [4.515917777731159]
本稿では,LiDAR 点群における小物体追跡のためのSiamese ネットワーク方式を提案する。提案手法は, 対象物に影響を及ぼすことなく, 目標物の追跡性能を効果的に向上させることができる。
論文参考訳（メタデータ） (2024-01-24T08:02:44Z)
Small Object Detection by DETR via Information Augmentation and Adaptive Feature Fusion [4.9860018132769985]
RT-DETRモデルは、リアルタイムオブジェクト検出では良好に動作するが、小さなオブジェクト検出精度では不十分である。異なるレベルから各特徴マップに学習可能なパラメータを割り当てる適応的特徴融合アルゴリズムを提案する。これにより、異なるスケールでオブジェクトの特徴をキャプチャするモデルの能力が向上し、小さなオブジェクトを検出する精度が向上する。
論文参考訳（メタデータ） (2024-01-16T00:01:23Z)
Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。提案手法は平均精度(MAP)を約45.7%向上させる。この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文参考訳（メタデータ） (2023-11-21T19:49:13Z)
Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文参考訳（メタデータ） (2023-08-18T13:13:09Z)
Enhanced Single-shot Detector for Small Object Detection in Remote Sensing Images [33.84369068593722]
小型物体検出のための画像ピラミッド単発検出器(IPSSD)を提案する。 IPSSDでは、単一ショット検出器と画像ピラミッドネットワークを組み合わせて、候補領域を生成するための意味的に強い特徴を抽出する。提案するネットワークは,特徴ピラミッドネットワークから小規模な特徴を拡張できる。
論文参考訳（メタデータ） (2022-05-12T07:35:07Z)
High-resolution Iterative Feedback Network for Camouflaged Object Detection [128.893782016078]
カモフラージュされたオブジェクトを背景に視覚的に同化させることは、オブジェクト検出アルゴリズムにとって難しい。エッジやバウンダリのぼやけた視界を生じさせる細部劣化を避けるために,高分解能テクスチャの詳細を抽出することを目的としている。我々は,高解像度特徴量による低解像度表現を反復的フィードバック方式で洗練する新しいHitNetを提案する。
論文参考訳（メタデータ） (2022-03-22T11:20:21Z)
Context-Preserving Instance-Level Augmentation and Deformable Convolution Networks for SAR Ship Detection [50.53262868498824]
ランダムな方向と部分的な情報損失によるSAR画像のターゲット形状の変形は、SAR船の検出において必須の課題である。ターゲット内の部分的な情報損失に頑健なディープネットワークをトレーニングするためのデータ拡張手法を提案する。
論文参考訳（メタデータ） (2022-02-14T07:01:01Z)
Dense Multiscale Feature Fusion Pyramid Networks for Object Detection in UAV-Captured Images [0.09065034043031667]
本研究では,よりリッチな特徴を可能な限り得ることを目的とした,高密度多スケール特徴融合ピラミッドネットワーク(dmffpn)と呼ばれる新しい手法を提案する。具体的には、密度の高い接続は、異なる畳み込み層からの表現を完全に活用するように設計されている。 VisDrone-DETと呼ばれるドローンベースのデータセットの実験は、我々の方法の競争力を示唆している。
論文参考訳（メタデータ） (2020-12-19T10:05:31Z)
Effective Fusion Factor in FPN for Tiny Object Detection [12.241778953479226]
我々は、FPNの隣接層間のトップダウン接続は、小さな物体検出に2つの側面の影響をもたらすと論じている。深い層が浅い層にもたらす情報を制御するための新しい概念である融合係数を提案する。本研究では,FPNを適切な融合係数で設定すると,ネットワークの性能が大幅に向上することを示す。
論文参考訳（メタデータ） (2020-11-04T13:55:10Z)
SCRDet++: Detecting Small, Cluttered and Rotated Objects via Instance-Level Feature Denoising and Rotation Loss Smoothing [131.04304632759033]
小さくて散らばった物体は実世界では一般的であり、検出は困難である。本稿では,まず,物体検出にデノナイズするアイデアを革新的に紹介する。機能マップ上のインスタンスレベルの記述は、小さくて散らばったオブジェクトの検出を強化するために行われる。
論文参考訳（メタデータ） (2020-04-28T06:03:54Z)
Cross-layer Feature Pyramid Network for Salient Object Detection [102.20031050972429]
本稿では,有能な物体検出における進行的融合を改善するために,新しいクロス層特徴ピラミッドネットワークを提案する。レイヤごとの分散機能は、他のすべてのレイヤからセマンティクスと健全な詳細の両方を同時に所有し、重要な情報の損失を減らします。
論文参考訳（メタデータ） (2020-02-25T14:06:27Z)

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。