Fugu-MT 論文翻訳(概要): Vehicle Attribute Recognition by Appearance: Computer Vision Methods for Vehicle Type, Make and Model Classification

論文の概要: Vehicle Attribute Recognition by Appearance: Computer Vision Methods for Vehicle Type, Make and Model Classification

arxiv url: http://arxiv.org/abs/2006.16400v1
Date: Mon, 29 Jun 2020 21:33:06 GMT
ステータス: 処理完了
システム内更新日: 2022-11-15 14:58:02.386802
Title: Vehicle Attribute Recognition by Appearance: Computer Vision Methods for Vehicle Type, Make and Model Classification
Title（参考訳）: 外観による車両属性認識 : 車両のタイプ・メーク・モデル分類のためのコンピュータビジョン手法
Authors: Xingyang Ni, Heikki Huttunen
Abstract要約: 粗粒度(車種)から細粒度(車種・モデル)まで,車両特性を識別するアルゴリズムを多数調査する。本稿では,これらの課題に対する2つの代替手法について論じる。車両属性認識のための実世界のシミュレーションシナリオを設計し,その2つの手法を実験的に比較した。
参考スコア（独自算出の注目度）: 0.9645196221785693
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper studies vehicle attribute recognition by appearance. In the literature, image-based target recognition has been extensively investigated in many use cases, such as facial recognition, but less so in the field of vehicle attribute recognition. We survey a number of algorithms that identify vehicle properties ranging from coarse-grained level (vehicle type) to fine-grained level (vehicle make and model). Moreover, we discuss two alternative approaches for these tasks, including straightforward classification and a more flexible metric learning method. Furthermore, we design a simulated real-world scenario for vehicle attribute recognition and present an experimental comparison of the two approaches.
Abstract（参考訳）: 本稿では,外観による車両属性認識について検討する。文献では、画像に基づく目標認識は、顔認識などの多くのユースケースで広く研究されているが、車両属性認識の分野ではあまり研究されていない。粗粒度(車種)から細粒度(車種・モデル)まで,車両特性を識別するアルゴリズムを多数調査する。さらに,これらの課題に対して,簡単な分類法とより柔軟な計量学習法という2つの代替手法について検討した。さらに、車両属性認識のための実世界のシミュレーションシナリオを設計し、2つのアプローチの実験的比較を示す。

関連論文リスト

A Feature-based Approach for the Recognition of Image Quality Degradation in Automotive Applications [0.0]
本稿では,自動車アプリケーションにおける画像品質の劣化を検知する特徴に基づくアルゴリズムを提案する。異なるデータセットを用いた実験により、このアルゴリズムはカメラレンズに付着した汚れを検知し、異なるタイプの画像劣化を分類できることが示された。
論文参考訳（メタデータ） (2023-03-13T13:40:09Z)
Image-Based Vehicle Classification by Synergizing Features from Supervised and Self-Supervised Learning Paradigms [0.913755431537592]
車両画像の表現学習において,DINOとData2vecの2つの最先端自己教師型学習手法を評価し,比較した。これらの自己教師型学習法から得られた表現は,車種分類タスクの車輪位置特徴と組み合わせた。我々の車輪マスキング戦略と整合したデータ2vec蒸留表現は,DINOよりも優れていた。
論文参考訳（メタデータ） (2023-02-01T18:22:23Z)
Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
論文参考訳（メタデータ） (2022-11-02T11:10:42Z)
Towards Intrinsic Common Discriminative Features Learning for Face Forgery Detection using Adversarial Learning [59.548960057358435]
本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
論文参考訳（メタデータ） (2022-07-08T09:23:59Z)
Discriminative-Region Attention and Orthogonal-View Generation Model for Vehicle Re-Identification [7.5366501970852955]
複数の課題は、視覚に基づく車両のRe-ID手法の適用を妨げる。提案したDRAモデルでは,識別領域の特徴を自動的に抽出し,類似した車両を識別することができる。また、OVGモデルでは、入力ビュー機能に基づいてマルチビュー機能を生成し、視点ミスマッチの影響を低減することができる。
論文参考訳（メタデータ） (2022-04-28T07:46:03Z)
Automated Approach for Computer Vision-based Vehicle Movement Classification at Traffic Intersections [7.3496760394236595]
視覚に基づく車両軌跡の移動特定分類のための自動分類法を提案する。筆者らのフレームワークは、教師なし階層クラスタリング手法を用いて、交通現場で観測された異なる動きパターンを識別する。新しい類似度尺度は、視覚に基づく軌道の固有の欠点を克服するために設計された。
論文参考訳（メタデータ） (2021-11-17T15:02:43Z)
Recent Progress in Appearance-based Action Recognition [73.6405863243707]
アクション認識は、ビデオ内の様々な人間の行動を特定するタスクである。最近の外見に基づく手法は、正確な行動認識に向けて有望な進歩を遂げている。
論文参考訳（メタデータ） (2020-11-25T10:18:12Z)
PAMTRI: Pose-Aware Multi-Task Learning for Vehicle Re-Identification Using Highly Randomized Synthetic Data [34.66187690224724]
車両ReIDは、(形状・外観の相違による)高いクラス内変動、(異なるメーカーによる車両間の形状・外観の類似性による)小さいクラス間変動により困難である。本稿では,Pose-Aware Multi-Task Re-Identification (PAMTRI) フレームワークを提案する。これは、キーポイント、ヒートマップ、およびポーズ推定からのセグメントを介して車両のポーズと形状を明示的に推論することで、視点依存性を克服する。組込みポーズ表現によるマルチタスク学習を通じて、ReIDの実行中にセマンティックな車両属性(色と型)を共同で分類する。
論文参考訳（メタデータ） (2020-05-02T01:29:09Z)
VehicleNet: Learning Robust Visual Representation for Vehicle Re-identification [116.1587709521173]
我々は,4つのパブリックな車両データセットを活用することで,大規模車両データセット(VabyNet)を構築することを提案する。 VehicleNetからより堅牢な視覚表現を学習するための、シンプルで効果的な2段階プログレッシブアプローチを設計する。 AICity Challengeのプライベートテストセットにおいて,最先端の精度86.07%mAPを実現した。
論文参考訳（メタデータ） (2020-04-14T05:06:38Z)
The Devil is in the Details: Self-Supervised Attention for Vehicle Re-Identification [75.3310894042132]
車両識別のための自己監督的注意(SAVER)は、車両固有の識別特徴を効果的に学習するための新しいアプローチである。我々は,SAVERがVeRi, VehicleID, Vehicle-1M, VERI-Wildのデータセットに挑戦する際の最先端性を改善することを示す。
論文参考訳（メタデータ） (2020-04-14T02:24:47Z)
Parsing-based View-aware Embedding Network for Vehicle Re-Identification [138.11983486734576]
本稿では,車載ReIDのビューアウェア機能アライメントと拡張を実現するために,解析に基づくPVEN(View-Aware Embedding Network)を提案する。 3つのデータセットで行った実験により、我々のモデルは最先端の手法よりも大きなマージンで優れていることが示された。
論文参考訳（メタデータ） (2020-04-10T13:06:09Z)

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。