論文の概要: Foreground-Background Imbalance Problem in Deep Object Detectors: A
Review
- arxiv url: http://arxiv.org/abs/2006.09238v1
- Date: Tue, 16 Jun 2020 15:15:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-20 21:04:05.177595
- Title: Foreground-Background Imbalance Problem in Deep Object Detectors: A
Review
- Title（参考訳）: 深部物体検出器の地表面不均衡問題
- Authors: Joya Chen, Qi Wu, Dong Liu, Tong Xu
- Abstract要約: 本研究では,1段と2段を含む多種多様な深度検出器における不均衡問題の特徴について検討した。
我々はCOCOベンチマークにおける最先端ソリューションの性能を実験的に比較した。
- 参考スコア（独自算出の注目度）: 23.97869988247185
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent years have witnessed the remarkable developments made by deep learning
techniques for object detection, a fundamentally challenging problem of
computer vision. Nevertheless, there are still difficulties in training
accurate deep object detectors, one of which is owing to the
foreground-background imbalance problem. In this paper, we survey the recent
advances about the solutions to the imbalance problem. First, we analyze the
characteristics of the imbalance problem in different kinds of deep detectors,
including one-stage and two-stage ones. Second, we divide the existing
solutions into two categories: sampling heuristics and non-sampling schemes,
and review them in detail. Third, we experimentally compare the performance of
some state-of-the-art solutions on the COCO benchmark. Promising directions for
future work are also discussed.
- Abstract（参考訳）: 近年では、コンピュータビジョンの根本的な課題である物体検出のためのディープラーニング技術が目覚ましい発展を遂げている。
それでも正確な深部物体検出器の訓練には依然として困難があり、そのうちの1つは前景と後方の不均衡の問題によるものである。
本稿では,不均衡問題の解に関する最近の進歩について調査する。
まず,1段と2段を含む多種多様な深度検出器における不均衡問題の特徴を分析する。
第二に、既存のソリューションを、ヒューリスティックスと非サンプリングスキームの2つのカテゴリに分け、詳細をレビューする。
第3に、COCOベンチマークにおける最先端ソリューションの性能を実験的に比較する。
今後の作業の方向性についても論じる。
関連論文リスト
- Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。
近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
論文 参考訳（メタデータ） (2024-10-08T00:25:33Z) - Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。
また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
論文 参考訳（メタデータ） (2024-05-13T14:44:22Z) - The RoboDepth Challenge: Methods and Advancements Towards Robust Depth Estimation [97.63185634482552]
我々は,RoboDepth Challengeの優勝ソリューションを要約する。
この課題は、堅牢なOoD深度推定を容易にし、前進させるように設計された。
この課題が、堅牢で信頼性の高い深度推定に関する将来の研究の基盤となることを願っている。
論文 参考訳（メタデータ） (2023-07-27T17:59:56Z) - A Comprehensive Study on Object Detection Techniques in Unconstrained
Environments [0.0]
オブジェクト検出は、画像やビデオ内のオブジェクトを識別し、ローカライズすることを目的とした、コンピュータビジョンにおける重要なタスクである。
近年のディープラーニングと畳み込みニューラルネットワーク(CNN)の進歩により、オブジェクト検出技術の性能が大幅に向上した。
本稿では,制約のない環境下でのオブジェクト検出技術について,様々な課題,データセット,最先端のアプローチを含む包括的研究を行う。
論文 参考訳（メタデータ） (2023-04-11T15:45:03Z) - Recent Advances in Monocular 2D and 3D Human Pose Estimation: A Deep
Learning Perspective [69.44384540002358]
この問題に対処するための包括的で包括的な2D-to-3D視点を提供する。
2014年からの主流とマイルストーンのアプローチを統一フレームワークで分類しています。
また,ポーズ表現スタイル,ベンチマーク,評価指標,一般的なアプローチの定量的評価を要約した。
論文 参考訳（メタデータ） (2021-04-23T11:07:07Z) - Single Image Depth Estimation: An Overview [0.0]
単一の画像深度推定問題に焦点をあてる。
その性質上、単一の画像深度推定問題は機械学習手法により最善に解決される。
論文 参考訳（メタデータ） (2021-04-13T18:58:37Z) - Deep Learning for Anomaly Detection: A Review [150.9270911031327]
本稿では,3つの高レベルカテゴリと11の細粒度カテゴリの進歩を網羅した包括的分類法による深部異常検出の研究について調査する。
我々は、それらの重要な直観、客観的機能、基礎となる仮定、利点とデメリットをレビューし、上記の課題にどのように対処するかについて議論する。
論文 参考訳（メタデータ） (2020-07-06T02:21:16Z) - Long-Tailed Recognition Using Class-Balanced Experts [128.73438243408393]
本稿では,多様な分類器の強度を組み合わせたクラスバランスの専門家のアンサンブルを提案する。
私たちのクラスバランスの専門家のアンサンブルは、最先端に近い結果に到達し、長い尾の認識のための2つのベンチマークで新たな最先端のアンサンブルを確立します。
論文 参考訳（メタデータ） (2020-04-07T20:57:44Z)
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。