Fugu-MT 論文翻訳(概要): Deep Image Orientation Angle Detection

論文の概要: Deep Image Orientation Angle Detection

arxiv url: http://arxiv.org/abs/2007.06709v1
Date: Sun, 21 Jun 2020 14:24:18 GMT
ステータス: 処理完了
システム内更新日: 2022-11-18 12:05:02.613397
Title: Deep Image Orientation Angle Detection
Title（参考訳）: 深部像方位角検出
Authors: Subhadip Maji and Smarajit Bose
Abstract要約: 本稿では,CNNと特別にアングル用に設計されたカスタム損失関数の組み合わせが,最先端の成果につながることを示す。これは、任意の程度(0から360度)の任意の画像または文書の向き角を推定することを含む。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Estimating and rectifying the orientation angle of any image is a pretty challenging task. Initial work used the hand engineering features for this purpose, where after the invention of deep learning using convolution-based neural network showed significant improvement in this problem. However, this paper shows that the combination of CNN and a custom loss function specially designed for angles lead to a state-of-the-art results. This includes the estimation of the orientation angle of any image or document at any degree (0 to 360 degree),
Abstract（参考訳）: 画像の向き角を推定して修正するのは、かなり難しい作業です。初期の研究では、畳み込み型ニューラルネットワークを用いたディープラーニングの発明後、この問題に著しい改善が見られた。しかし,CNNと特別に角度用に設計されたカスタム損失関数の組み合わせは,最先端の成果をもたらすことを示す。これには、任意の程度(0から360度)の任意の画像や文書の向き角の推定が含まれる。

関連論文リスト

Rotation Equivariant Proximal Operator for Deep Unfolding Methods in Image Restoration [62.41329042683779]
本稿では, 回転対称性を組み込んだ高精度な回転同変近位ネットワークを提案する。本研究は, 回転対称性の先行を深く展開する枠組みに効果的に組み込む, 高精度な回転同変近位ネットワークを提案する。
論文参考訳（メタデータ） (2023-12-25T11:53:06Z)
Automatic Photo Orientation Detection with Convolutional Neural Networks [2.5215715078435705]
コンボリューショナルニューラルネットワーク(CNN)を,消費者写真の正しい方向を決定する文脈において,画像方向検出の問題に適用する。我々は、標準データセットの1つの性能の観点から、公開されている技術状況を大幅に改善する。我々は、ガイドバックプロパゲーションを使用して、CNNが写真方向を検出する方法の洞察を得、その誤りを説明する。
論文参考訳（メタデータ） (2023-05-17T16:00:49Z)
Geometric-aware Pretraining for Vision-centric 3D Object Detection [77.7979088689944]
GAPretrainと呼ばれる新しい幾何学的事前学習フレームワークを提案する。 GAPretrainは、複数の最先端検出器に柔軟に適用可能なプラグアンドプレイソリューションとして機能する。 BEVFormer法を用いて, nuScenes val の 46.2 mAP と 55.5 NDS を実現し, それぞれ 2.7 と 2.1 点を得た。
論文参考訳（メタデータ） (2023-04-06T14:33:05Z)
Deep Rotation Correction without Angle Prior [57.76737888499145]
我々は,高コンテンツ忠実度で傾きを自動的に補正する,回転補正という新しい実用的タスクを提案する。このタスクは画像編集アプリケーションに簡単に統合でき、ユーザーは手動操作なしで回転した画像を修正できる。我々はニューラルネットワークを利用して、傾斜した画像を知覚的に水平に歪めることができる光学フローを予測する。
論文参考訳（メタデータ） (2022-07-07T02:46:27Z)
Transfer Learning for Estimation of Pendubot Angular Position Using Deep Neural Networks [0.0]
撮像画像からペンデュボット角位置を推定するために、機械学習に基づくアプローチが導入された。この課題に対処するために、ディープニューラルネットワークベースのアルゴリズムが導入された。提案手法は,シャープ画像とぼやけた画像に対して,それぞれ0.02度と0.06度の平均的な絶対誤差を実現する。
論文参考訳（メタデータ） (2022-01-29T20:20:47Z)
A Fast Deep Learning Network for Automatic Image Auto-Straightening [0.6980076213134382]
本稿では,画像回転補正に特化した新しい深層学習ネットワークを提案する。画像から長線を検出することに特化した長方形奥行き畳み込みを導入する。また、配向誤差の問題に対処する新しい適応損失関数も導入しています。
論文参考訳（メタデータ） (2021-05-12T17:01:13Z)
Image Restoration by Deep Projected GSURE [115.57142046076164]
Ill-posed inverse problem は、デブロアリングや超解像など、多くの画像処理アプリケーションに現れる。本稿では,一般化されたSteinUnbiased Risk Estimator(GSURE)の「投影変換」とCNNによる潜在画像のパラメータ化を含む損失関数の最小化に基づく,新たな画像復元フレームワークを提案する。
論文参考訳（メタデータ） (2021-02-04T08:52:46Z)
Uncalibrated Neural Inverse Rendering for Photometric Stereo of General Surfaces [103.08512487830669]
本稿では,測光ステレオ問題に対する無補間深層ニューラルネットワークフレームワークを提案する。既存のニューラルネットワークベースの方法は、物体の正確な光方向または接地正則のいずれかまたは両方を必要とします。本稿では,この問題に対する未調整の神経逆レンダリング手法を提案する。
論文参考訳（メタデータ） (2020-12-12T10:33:08Z)
Generative and Discriminative Learning for Distorted Image Restoration [22.230017059874445]
Liquifyは、画像の歪みに使用できる画像編集のテクニックである。本稿では,深層ニューラルネットワークに基づく新しい生成的・識別的学習手法を提案する。
論文参考訳（メタデータ） (2020-11-11T14:01:29Z)
Coarse-to-Fine Gaze Redirection with Numerical and Pictorial Guidance [74.27389895574422]
本稿では,数値誘導と画像誘導の両方を利用した新しい視線リダイレクトフレームワークを提案する。提案手法は,画像品質とリダイレクト精度の両方の観点から,最先端の手法よりも優れている。
論文参考訳（メタデータ） (2020-04-07T01:17:27Z)

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。