論文の概要: Resisting Crowd Occlusion and Hard Negatives for Pedestrian Detection in the Wild

• arxiv url: http://arxiv.org/abs/2005.07344v2
• Date: Fri, 26 Jun 2020 01:28:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-02 23:20:10.150619
• Title: Resisting Crowd Occlusion and Hard Negatives for Pedestrian Detection in the Wild
• Title（参考訳）: 野生における歩行者検出のための群集排除とハードネガティブ
• Authors: Zhe Wang, Jun Wang, Yezhou Yang
• Abstract要約: 群衆と強烈なネガティブはいまだに最先端の歩行者探知機に挑戦している。 これらの課題に対処するために、一般的な地域ベースの検出フレームワークに基づく2つのアプローチを提案する。 Caltech-USAベンチマークとCityPersonsベンチマークで継続的にハイパフォーマンスを実現しています。
• 参考スコア（独自算出の注目度）: 36.39830329023875
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pedestrian detection has been heavily studied in the last decade due to its wide application. Despite incremental progress, crowd occlusion and hard negatives are still challenging current state-of-the-art pedestrian detectors. In this paper, we offer two approaches based on the general region-based detection framework to tackle these challenges. Specifically, to address the occlusion, we design a novel coulomb loss as a regulator on bounding box regression, in which proposals are attracted by their target instance and repelled by the adjacent non-target instances. For hard negatives, we propose an efficient semantic-driven strategy for selecting anchor locations, which can sample informative negative examples at training phase for classification refinement. It is worth noting that these methods can also be applied to general object detection domain, and trainable in an end-to-end manner. We achieves consistently high performance on the Caltech-USA and CityPersons benchmarks.
• Abstract（参考訳）: 歩行者検出は、その適用範囲が広いため、過去10年間に大きく研究されてきた。 徐々に進歩しているにもかかわらず、群衆の排除と強硬な陰性は、現在最先端の歩行者検出器に挑戦している。 本稿では,これらの課題に取り組むために,一般地域に基づく検出フレームワークに基づく2つのアプローチを提案する。 具体的には, 境界ボックス回帰のレギュレータとして新しいクーロン損失を設計, 提案は対象インスタンスに惹かれ, 隣接した非ターゲットインスタンスに撃退される。 そこで我々は, 難易度判定のための学習段階において, 情報的負のサンプルをサンプリングできる, アンカー位置選択のための効率的な意味駆動戦略を提案する。 これらのメソッドは一般的なオブジェクト検出ドメインにも適用でき、エンドツーエンドでトレーニング可能である点に注意が必要だ。 caltech-usaとcitypersonsベンチマークで一貫して高いパフォーマンスを達成しています。

関連論文リスト

• AdvQDet: Detecting Query-Based Adversarial Attacks with Adversarial Contrastive Prompt Tuning [93.77763753231338]
  CLIP画像エンコーダを微調整し、2つの中間対向クエリに対して同様の埋め込みを抽出するために、ACPT(Adversarial Contrastive Prompt Tuning)を提案する。 我々は,ACPTが7つの最先端クエリベースの攻撃を検出できることを示す。 また,ACPTは3種類のアダプティブアタックに対して堅牢であることを示す。
  論文  参考訳（メタデータ） (2024-08-04T09:53:50Z)
• Graph Anomaly Detection with Noisy Labels by Reinforcement Learning [13.135788402192215]
  本稿では,新しいフレームワークREGAD,すなわちReinforced Graph Anomaly Detectorを提案する。 具体的には,高信頼ラベルを用いたノード間を近似したノイズエッジを切断することにより,ベース検出器の性能向上(AUC)を最大化することを目的とする。
  論文  参考訳（メタデータ） (2024-07-08T13:41:21Z)
• Traffic Scene Similarity: a Graph-based Contrastive Learning Approach [4.451479907610764]
  本稿では,グラフを用いて意味のある埋め込み空間を構築することを目的とした,コントラスト学習手法の拡張を提案する。 本手法は,シーン固有の特徴を用いたシーンの連続的なマッピングと,理論的に類似したクラスタの形成を示す。 検出されたクラスタに基づいて、同様のシーンがその後のテストプロセスで識別できるため、冗長なテストの実行が削減される可能性がある。
  論文  参考訳（メタデータ） (2023-09-18T12:35:08Z)
• 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)
• Learning Classifiers of Prototypes and Reciprocal Points for Universal Domain Adaptation [79.62038105814658]
  Universal Domainは、ドメインシフトとカテゴリシフトという2つのシフトを処理して、データセット間で知識を転送することを目的としている。 主な課題は、既知のクラス知識の分布をソースからターゲットに適応させながら、未知のターゲットサンプルを正しく識別することである。 既存のほとんどの手法は、まずターゲットが適応した既知の知識を訓練し、次に未知のターゲットサンプルを識別するために単一のしきい値に依存することでこの問題に対処する。
  論文  参考訳（メタデータ） (2022-12-16T09:01:57Z)
• MEAD: A Multi-Armed Approach for Evaluation of Adversarial Examples Detectors [24.296350262025552]
  いくつかの攻撃戦略に基づいて検知器を評価するための新しいフレームワークMEADを提案する。 そのうちの1つは、攻撃を起こすための3つの新しい目的である。 提案したパフォーマンス指標は最悪のシナリオに基づいている。
  論文  参考訳（メタデータ） (2022-06-30T17:05:45Z)
• WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
  弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。 エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。 提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
  論文  参考訳（メタデータ） (2021-05-21T11:58:50Z)
• Which to Match? Selecting Consistent GT-Proposal Assignment for Pedestrian Detection [23.92066492219922]
  IoU(Universal Intersection over Union)ベースの割り当て-回帰方式は依然としてパフォーマンスを制限している。 新しい割り当てと回帰メトリックとして、1つの幾何学的敏感検索アルゴリズムを紹介します。 具体的には、MR-FPPIをR$_75$で8.8%向上させます。
  論文  参考訳（メタデータ） (2021-03-18T08:54:51Z)
• Random Projections for Adversarial Attack Detection [8.684378639046644]
  敵の攻撃検出は 2つの観点から 根本的な問題です 本稿では,無作為射影の特殊特性を利用して,清潔で敵対的な例の挙動を特徴付ける手法を提案する。 性能評価は私達の技術が($>0.92$ AUC)技術(SOTA)攻撃戦略の競争状態を上回っていることを示します。
  論文  参考訳（メタデータ） (2020-12-11T15:02:28Z)
• Scope Head for Accurate Localization in Object Detection [135.9979405835606]
  本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。 我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
  論文  参考訳（メタデータ） (2020-05-11T04:00:09Z)

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。