論文の概要: Modification method for single-stage object detectors that allows to
exploit the temporal behaviour of a scene to improve detection accuracy
- arxiv url: http://arxiv.org/abs/2009.01617v1
- Date: Thu, 3 Sep 2020 12:38:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-22 07:42:19.092272
- Title: Modification method for single-stage object detectors that allows to
exploit the temporal behaviour of a scene to improve detection accuracy
- Title（参考訳）: シーンの時間的挙動を利用して検出精度を向上させる単一ステージ物体検出器の修正法
- Authors: Menua Gevorgyan
- Abstract要約: 修正されたニューラルネットワークは、修正されていないものよりも、より信頼性の高い隠されたオブジェクトを検出する傾向がある。
付加的なアノテートデータを必要とせずに修正ネットワークをトレーニングできる弱い教師付きトレーニング手法が提案されている。
- 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: A simple modification method for single-stage generic object detection neural
networks, such as YOLO and SSD, is proposed, which allows for improving the
detection accuracy on video data by exploiting the temporal behavior of the
scene in the detection pipeline. It is shown that, using this method, the
detection accuracy of the base network can be considerably improved, especially
for occluded and hidden objects. It is shown that a modified network is more
prone to detect hidden objects with more confidence than an unmodified one. A
weakly supervised training method is proposed, which allows for training a
modified network without requiring any additional annotated data.
- Abstract（参考訳）: YOLOやSSDのような単一ステージの汎用物体検出ニューラルネットワークの簡単な修正手法を提案し,検出パイプライン内のシーンの時間的挙動を利用して映像データの検出精度を向上させる。
本手法を用いることで,特に隠蔽・隠蔽対象に対して,基地ネットワークの検出精度を大幅に向上できることが示唆された。
修正されたネットワークは、未修正のネットワークよりも、より信頼性の高い隠されたオブジェクトを検出する傾向にある。
付加的なアノテートデータを必要としない改良型ネットワークのトレーニングを可能にする弱教師付きトレーニング手法を提案する。
関連論文リスト
- A Low-cost Strategic Monitoring Approach for Scalable and Interpretable
Error Detection in Deep Neural Networks [6.537257913467249]
深層コンピュータビジョンネットワークのための高能率ランタイムモニタリング手法を提案する。
ハードウェアメモリと入力障害の両方から発生するサイレントデータの破損を効率よく検出することができる。
論文 参考訳（メタデータ） (2023-10-31T10:45:55Z) - Box-based Refinement for Weakly Supervised and Unsupervised Localization
Tasks [57.70351255180495]
我々は、画像データの代わりにネットワーク出力の上の検出器を訓練し、適切な損失バックプロパゲーションを適用する。
本研究は,課題の見地に対するフレーズ接頭辞の大幅な改善を明らかにした。
論文 参考訳（メタデータ） (2023-09-07T17:36:02Z) - Label-Efficient Object Detection via Region Proposal Network
Pre-Training [58.50615557874024]
地域提案ネットワーク(RPN)に効果的な事前学習を提供するための簡単な事前学習タスクを提案する。
RPN事前学習のないマルチステージ検出器と比較して,本手法はダウンストリームタスク性能を継続的に改善することができる。
論文 参考訳（メタデータ） (2022-11-16T16:28:18Z) - A Single-Target License Plate Detection with Attention [56.83051142257412]
ニューラルネットワークは一般にライセンスプレート検出(LPD)タスクに採用されており、パフォーマンスと精度が向上している。
LPDのような単一のオブジェクト検出タスクでは、修正された汎用オブジェクト検出は時間がかかり、複雑なシナリオや組み込みデバイスへのデプロイが困難すぎる面倒な重み付けファイルに対処できない。
論文 参考訳（メタデータ） (2021-12-12T03:00:03Z) - Real-World Semantic Grasping Detection [0.34410212782758054]
本稿では,意味認識と把握検出を両立できるエンドツーエンドのセマンティック把握検出モデルを提案する。
また,検出を把握するためのセマンティック情報に基づき,単一のオブジェクトの特徴のみを保持するターゲット特徴フィルタリング機構を設計する。
実験結果から,コーネルグルーピングデータセットの98.38%の精度が得られた。
論文 参考訳（メタデータ） (2021-11-20T05:57:22Z) - Task-related self-supervised learning for remote sensing image change
detection [8.831857715361624]
リモートセンシング画像の変更検出は,都市変化の検出,災害評価,その他の分野に広く適用されている。
既存のCNNベースの変更検出手法の多くは、まだ不十分な擬似変化抑制と不十分な特徴表現の問題に悩まされている。
本研究では,タスク関連自己監視学習変化検出ネットワークに基づく,スムーズなメカニズムによる教師なし変化検出手法を提案する。
論文 参考訳（メタデータ） (2021-05-11T11:44:04Z) - D-Unet: A Dual-encoder U-Net for Image Splicing Forgery Detection and
Localization [108.8592577019391]
画像スプライシング偽造検出は、画像指紋によって改ざんされた領域と非改ざんされた領域を区別するグローバルバイナリ分類タスクである。
画像スプライシングフォージェリ検出のためのデュアルエンコーダU-Net(D-Unet)という,固定されていないエンコーダと固定エンコーダを用いた新しいネットワークを提案する。
D-Unetと最先端技術の比較実験において、D-Unetは画像レベルおよび画素レベルの検出において他の手法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-03T10:54:02Z) - 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) - AmphibianDetector: adaptive computation for moving objects detection [0.913755431537592]
本稿では,偽陽性検出の回数を減らすためのオブジェクト検出手法を提案する。
提案手法は、すでにオブジェクト検出タスクのために訓練されているCNNの修正である。
提案手法の有効性をオープンデータセット"CDNet2014 pedestrian"で実証した。
論文 参考訳（メタデータ） (2020-11-15T12:37:44Z) - 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)
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。