論文の概要: False Detection (Positives and Negatives) in Object Detection

• arxiv url: http://arxiv.org/abs/2008.06986v1
• Date: Sun, 16 Aug 2020 20:09:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-28 08:58:54.198278
• Title: False Detection (Positives and Negatives) in Object Detection
• Title（参考訳）: 物体検出における偽検出(正・負)
• Authors: Subrata Goswami
• Abstract要約: 本研究では,ラベル付きデータによる偽陽性と負の低減方法を検討する。 このプロセスでは、Openimage 2019 Object Detectionデータセットに不十分なラベル付けも発見された。
• 参考スコア（独自算出の注目度）: 1.0965065178451106
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object detection is a very important function of visual perception systems. Since the early days of classical object detection based on HOG to modern deep learning based detectors, object detection has improved in accuracy. Two stage detectors usually have higher accuracy than single stage ones. Both types of detectors use some form of quantization of the search space of rectangular regions of image. There are far more of the quantized elements than true objects. The way these bounding boxes are filtered out possibly results in the false positive and false negatives. This empirical experimental study explores ways of reducing false positives and negatives with labelled data.. In the process also discovered insufficient labelling in Openimage 2019 Object Detection dataset.
• Abstract（参考訳）: 物体検出は視覚知覚システムの非常に重要な機能である。 HOGに基づく古典的物体検出の初期から近代的な深層学習に基づく検出まで、物体検出の精度は向上した。 2段検出器は通常、単段検出器よりも高い精度を持つ。 どちらのタイプの検出器も、画像の矩形領域の探索空間のある種の量子化を用いる。 量子化された要素は、真の対象よりもはるかに多い。 これらの境界ボックスをフィルタリングする方法は、偽陽性と偽陰性をもたらす可能性がある。 この実証実験は、ラベル付きデータによる偽陽性と負の低減方法を探求する。 . このプロセスでは、Openimage 2019 Object Detectionデータセットに不十分なラベル付けも発見された。

関連論文リスト

• Bounding Box Stability against Feature Dropout Reflects Detector Generalization across Environments [52.65013932553849]
  良い検出器は、位置があまり変化しない有界箱を出力する傾向があり、弱い検出器の有界箱は顕著な位置変化を受ける。 ボックス安定性スコア(BoSスコア)を計算して、この安定性を反映する。 各種試験環境における平均平均精度(mAP)を用いて測定した検出精度とBoSスコアが強い正の相関関係を持つことに寄与する。
  論文  参考訳（メタデータ） (2024-03-20T17:59:16Z)
• Zone Evaluation: Revealing Spatial Bias in Object Detection [69.59295428233844]
  物体検出器の基本的限界は、それらが「空間バイアス」に苦しむことである。 本稿では,ゾーン間の検出性能を計測する新しいゾーン評価プロトコルを提案する。 初めて数値的な結果が得られ、対象検出器はゾーンにわたって非常に不均一に機能することを示した。
  論文  参考訳（メタデータ） (2023-10-20T01:44:49Z)
• Outlier galaxy images in the Dark Energy Survey and their identification with unsupervised machine learning [0.0]
  本研究はダークエナジーサーベイの第1号データリリースにおいて, 異常物体の自動検出手法を適用した。 このアルゴリズムの重要な特徴は、偽陽性率を制御できるため、実用的な外れ値検出に使用できることである。
  論文  参考訳（メタデータ） (2023-05-02T18:39:35Z)
• Focus-and-Detect: A Small Object Detection Framework for Aerial Images [1.911678487931003]
  我々はFocus-and-Detectと呼ばれる2段階のオブジェクト検出フレームワークを提案する。 第1段階は、焦点領域を構成するオブジェクトのクラスタを生成する。 第2段階は対象検出器ネットワークであり、焦点領域内の物体を予測する。 提案した2段階のフレームワークは,VisDrone検証データセットのAPスコアが42.06であることを示す。
  論文  参考訳（メタデータ） (2022-03-24T10:43:56Z)
• Fast Rule-Based Clutter Detection in Automotive Radar Data [10.379073531824456]
  自動車用レーダーセンサーは、多くの不要なクラッタやゴースト検出を出力する。 乱雑な検出は、複数の連続測定でグループや同様の場所で起こる。 このような誤検出を識別する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-27T11:32:50Z)
• Slender Object Detection: Diagnoses and Improvements [74.40792217534]
  本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。 古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
  論文  参考訳（メタデータ） (2020-11-17T09:39:42Z)
• Black-box Explanation of Object Detectors via Saliency Maps [66.745167677293]
  対象検出器の予測のための視覚的説明を生成するD-RISEを提案する。 本稿では, YOLOv3などの1段検出器やFaster-RCNNのような2段検出器など, 異なる対象検出器に容易にD-RISEを適用可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-05T02:13:35Z)
• BiDet: An Efficient Binarized Object Detector [96.19708396510894]
  本稿では,効率的な物体検出のためのバイナライズニューラルネットワークのBiDetを提案する。 我々のBiDetは、冗長除去による物体検出にバイナリニューラルネットワークの表現能力を完全に活用している。 我々の手法は、最先端のバイナリニューラルネットワークを大きなマージンで上回る。
  論文  参考訳（メタデータ） (2020-03-09T08:16:16Z)
• Object Detection as a Positive-Unlabeled Problem [78.2955013126312]
  本稿では,未ラベル領域が負でなければならないという仮定を排除し,対象検出を正の未ラベル(PU)問題として扱うことを提案する。 提案するPU分類の損失は, PASCAL VOCやMS COCO, Visual GenomeやDeepLesionなど, ラベルの欠如により, 標準的なPN損失よりも優れていた。
  論文  参考訳（メタデータ） (2020-02-11T20:49:34Z)

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。