論文の概要: The 1st Tiny Object Detection Challenge:Methods and Results
- arxiv url: http://arxiv.org/abs/2009.07506v2
- Date: Tue, 6 Oct 2020 06:31:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 00:22:49.116544
- Title: The 1st Tiny Object Detection Challenge:Methods and Results
- Title(参考訳): 第1回微小物体検出チャレンジ:方法と結果
- Authors: Xuehui Yu, Zhenjun Han, Yuqi Gong, Nan Jiang, Jian Zhao, Qixiang Ye,
Jie Chen, Yuan Feng, Bin Zhang, Xiaodi Wang, Ying Xin, Jingwei Liu, Mingyuan
Mao, Sheng Xu, Baochang Zhang, Shumin Han, Cheng Gao, Wei Tang, Lizuo Jin,
Mingbo Hong, Yuchao Yang, Shuiwang Li, Huan Luo, Qijun Zhao, and Humphrey Shi
- Abstract要約: 1st Tiny Object Detection (TOD) Challengeは、広い視野を持つ画像における微小物体検出の新しい高精度な手法の開発を奨励することを目的としている。
TinyPersonデータセットはTOD Challengeに使用されており、公開されている。
- 参考スコア(独自算出の注目度): 70.00081071453003
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The 1st Tiny Object Detection (TOD) Challenge aims to encourage research in
developing novel and accurate methods for tiny object detection in images which
have wide views, with a current focus on tiny person detection. The TinyPerson
dataset was used for the TOD Challenge and is publicly released. It has 1610
images and 72651 box-levelannotations. Around 36 participating teams from the
globe competed inthe 1st TOD Challenge. In this paper, we provide a brief
summary of the1st TOD Challenge including brief introductions to the top three
methods.The submission leaderboard will be reopened for researchers that
areinterested in the TOD challenge. The benchmark dataset and other information
can be found at: https://github.com/ucas-vg/TinyBenchmark.
- Abstract(参考訳): The 1st Tiny Object Detection (TOD) Challengeは、視野の広い画像において、小さな人物検出に焦点を絞った、新しく正確なオブジェクト検出方法の開発を奨励することを目的としている。
TinyPersonデータセットはTOD Challengeに使用されており、公開されている。
1610の画像と72651のボックスレベルアノテーションがある。
世界から36チームが参加し、第1回todチャレンジに出場した。
本稿では,第1回TODチャレンジの概要を紹介するとともに,TODチャレンジに関心のある研究者を対象に,第1回TODチャレンジの簡単な紹介を行う。
ベンチマークデータセットとその他の情報は、https://github.com/ucas-vg/TinyBenchmarkを参照してください。
関連論文リスト
- 3D Multiple Object Tracking on Autonomous Driving: A Literature Review [25.568952977339]
3次元多物体追跡(3D MOT)は、自律運転において重要な領域である。
3D MOTはその最重要課題にもかかわらず、無数の困難に直面している。
論文 参考訳(メタデータ) (2023-09-27T05:32:26Z) - MVA2023 Small Object Detection Challenge for Spotting Birds: Dataset,
Methods, and Results [24.73863448239332]
本稿では,39,070枚の画像と137,121羽の鳥のサンプルを含む新たなSODデータセットを提案する。
データセット、ベースラインコード、公開テストセットの評価のためのWebサイトが公開されている。
論文 参考訳(メタデータ) (2023-07-18T10:52:24Z) - DetZero: Rethinking Offboard 3D Object Detection with Long-term
Sequential Point Clouds [55.755450273390004]
既存のオフボード3D検出器は、無限の逐次点雲を利用するために常にモジュラーパイプライン設計に従っている。
その結果, 物体の運動状態は, 物体中心の精製段階において必然的な課題となること, 物体の運動状態は, 物体軌道を十分に生成できないこと, 物体中心の精製段階において必然的な課題となること, の2つの理由から, オフボード型3D検出器の完全なポテンシャルは明らかにされていないことがわかった。
これらの問題に対処するために,DetZero という,オフボード型3次元物体検出の新たなパラダイムを提案する。
論文 参考訳(メタデータ) (2023-06-09T16:42:00Z) - Low-Resolution Action Recognition for Tiny Actions Challenge [52.4358152877632]
Tiny Actions Challengeは、現実世界の監視における人間の活動を理解することに焦点を当てている。
このシナリオでは、アクティビティ認識には2つの大きな困難がある。
本稿では,包括的認識ソリューションを提案する。
論文 参考訳(メタデータ) (2022-09-28T00:49:13Z) - Embracing Single Stride 3D Object Detector with Sparse Transformer [63.179720817019096]
自律走行のためのLiDARを用いた3次元物体検出では、物体サイズと入力シーンサイズとの比が2次元検出の場合に比べて有意に小さい。
多くの3D検出器は2D検出器の一般的な慣習に従っており、点雲の定量化後も特徴マップを分解する。
本稿では,SST(Single-stride Sparse Transformer)を提案する。
論文 参考訳(メタデータ) (2021-12-13T02:12:02Z) - LID 2020: The Learning from Imperfect Data Challenge Results [242.86700551532272]
Imperfect Dataワークショップからの学習は、新しいアプローチの開発に刺激を与え、促進することを目的としている。
我々は、弱教師付き学習環境における最先端のアプローチを見つけるために、3つの課題を編成する。
この技術的レポートは、課題のハイライトを要約している。
論文 参考訳(メタデータ) (2020-10-17T13:06:12Z) - VIPriors Object Detection Challenge [15.313954050744233]
本稿では,データの特徴を解析し,有効なデータ拡張手法を提案する。
私たちはソフトnmとモデル融合を巧みに利用することで多くの利益を得ます。
論文 参考訳(メタデータ) (2020-07-16T08:10:42Z) - NTIRE 2020 Challenge on Real-World Image Super-Resolution: Methods and
Results [148.54397669654958]
本稿は,NTIRE 2020における現実世界の超解像に関する課題を概観する。
この課題は、真の高解像度画像と低解像度画像のペアが利用できない現実世界の設定に対処する。
合計22チームが最終テストフェーズに出場し、この問題に対する新しい革新的な解決策を実証した。
論文 参考訳(メタデータ) (2020-05-05T08:17:04Z)
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。