論文の概要: Attention Neural Network for Trash Detection on Water Channels

• arxiv url: http://arxiv.org/abs/2007.04639v1
• Date: Thu, 9 Jul 2020 08:41:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 05:11:43.985283
• Title: Attention Neural Network for Trash Detection on Water Channels
• Title（参考訳）: 水路のゴミ検知のための注意ニューラルネットワーク
• Authors: Mohbat Tharani, Abdul Wahab Amin, Mohammad Maaz and Murtaza Taj
• Abstract要約: 都市を流れる川や運河は、ゴミを捨てるためにしばしば違法に使用される。 これにより、淡水流路が汚染され、下水道が封鎖され、都市部が浸水する。 本稿では,都市部における運河水面に浮かぶ可視性ゴミの検出手法を提案する。
• 参考スコア（独自算出の注目度）: 2.4660652494309936
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rivers and canals flowing through cities are often used illegally for dumping the trash. This contaminates freshwater channels as well as causes blockage in sewerage resulting in urban flooding. When this contaminated water reaches agricultural fields, it results in degradation of soil and poses critical environmental as well as economic threats. The dumped trash is often found floating on the water surface. The trash could be disfigured, partially submerged, decomposed into smaller pieces, clumped together with other objects which obscure its shape and creates a challenging detection problem. This paper proposes a method for the detection of visible trash floating on the water surface of the canals in urban areas. We also provide a large dataset, first of its kind, trash in water channels that contains object-level annotations. A novel attention layer is proposed that improves the detection of smaller objects. Towards the end of this paper, we provide a detailed comparison of our method with state-of-the-art object detectors and show that our method significantly improves the detection of smaller objects. The dataset will be made publicly available.
• Abstract（参考訳）: 都市を流れる川や運河はしばしばゴミを捨てるために違法に使用される。 これは淡水の水路を汚染し、下水道の閉塞を引き起こして都市洪水を引き起こす。 この汚染された水が農地に達すると、土壌が劣化し、重要な環境と経済的脅威が生じる。 捨てられたゴミは、しばしば水面に浮かんでいる。 ゴミは分解され、部分的に沈められ、小さな破片に分解され、その形状を曖昧にし、困難な検出問題を生じさせる他の物体と組み合わされた。 本稿では,都市部における運河水面に浮かぶ可視性ゴミの検出手法を提案する。 また、オブジェクトレベルのアノテーションを含む大規模なデータセットも提供しています。 より小さな物体の検出を改善する新しいアテンション層が提案されている。 本研究の終了に向けて,本手法と最先端物体検出器との詳細な比較を行い,本手法が小型物体の検出を著しく改善することを示す。 データセットは一般公開される予定だ。

関連論文リスト

• Distilling Channels for Efficient Deep Tracking [68.13422829310835]
  本稿では,ディープトラッカーを容易にするための新しいチャネル蒸留法を提案する。 統合的な定式化は,特徴圧縮,応答マップ生成,モデル更新を統一エネルギー最小化問題に変換することができることを示す。 その結果、ディープトラッカーは正確で高速で、メモリ要求が低い。
  論文  参考訳（メタデータ） (2024-09-18T08:09:20Z)
• Deep Learning Innovations for Underwater Waste Detection: An In-Depth Analysis [0.0]
  本稿では, 埋立廃棄物処理とごみ処理の基盤となるため, 最先端のアーキテクチャと既存のデータセットを網羅的に検討する。 第一の目的は、高度な水中センサーと自律型水中車両によって活用される物体の局所化手法のベンチマークを確立することである。
  論文  参考訳（メタデータ） (2024-05-28T15:51:18Z)
• Solid Waste Detection, Monitoring and Mapping in Remote Sensing Images: A Survey [0.8499685241219366]
  不適切に管理された埋立地は、浸透雨水を介して土壌と地下水を汚染し、動物と人間の両方に脅威を与える。 現場検査のような伝統的な埋立地識別アプローチは、時間と費用がかかる。 地球観測衛星(EO)は、センサーと撮像機能を備えた衛星で、数十年にわたって高解像度のデータを提供してきた。
  論文  参考訳（メタデータ） (2024-02-14T10:24:04Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Deteksi Sampah di Permukaan dan Dalam Perairan pada Objek Video dengan Metode Robust and Efficient Post-Processing dan Tubelet-Level Bounding Box Linking [0.0]
  本稿では, 自動ゴミ収集ロボットにおいて, 映像オブジェクト検出に応用可能な手法について説明する。 本研究は, YOLOv5モデルとRobust & Efficient Post Processing (REPP)法と, FloWおよびRoboflowデータセット上にリンクするチューブレットレベルのバウンディングボックスを利用する。 その結果, 後処理段階とチューブレットレベルのバウンディングボックスリンクにより検出精度が向上し, YOLOv5単独と比較して約3%高い性能が得られた。
  論文  参考訳（メタデータ） (2023-07-14T04:04:15Z)
• Waste Detection and Change Analysis based on Multispectral Satellite Imagery [0.0]
  本研究では, ホットスポット(不法廃棄物捨て場)の同定と水面河川ブロックの同定の2つの可能な廃棄物検出形態を解析した。 その結果, 衛星画像と機械学習を用いることで, 検出した廃棄物の変化を検知し, 監視することが可能であることが判明した。
  論文  参考訳（メタデータ） (2023-03-25T17:12:22Z)
• Did You Train on My Dataset? Towards Public Dataset Protection with Clean-Label Backdoor Watermarking [54.40184736491652]
  本稿では,公開データの保護のための一般的な枠組みとして機能するバックドアベースの透かし手法を提案する。 データセットに少数の透かしサンプルを挿入することにより、我々のアプローチは、ディフェンダーが設定した秘密関数を暗黙的に学習することを可能にする。 この隠れた機能は、データセットを違法に使用するサードパーティモデルを追跡するための透かしとして使用できる。
  論文  参考訳（メタデータ） (2023-03-20T21:54:30Z)
• Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
  オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。 提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
  論文  参考訳（メタデータ） (2022-12-23T03:00:28Z)
• Water Surface Patch Classification Using Mixture Augmentation for River Scum Index [0.0]
  都市河川は住宅に影響を及ぼす水環境を提供している。 我々は、河川表面に蓄積する有機泥(scum)に焦点を当て、その独特の臭いと外部の経済効果を景観に与える。 そこで本研究では,河川表面に浮かぶスカムと,建物,橋梁,ポール,バリアなどの近傍構造に反映された河川表面の絡み合った背景との多様性を高めるために,混合画像拡張を用いた河川表面のスカムの特徴を検出するパッチ分類パイプラインを提案する。
  論文  参考訳（メタデータ） (2022-07-13T17:45:25Z)
• ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
  産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。 このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。 最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
  論文  参考訳（メタデータ） (2021-06-04T22:17:09Z)
• 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)

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。