Fugu-MT 論文翻訳(概要): Fine-tuned Pre-trained Mask R-CNN Models for Surface Object Detection

論文の概要: Fine-tuned Pre-trained Mask R-CNN Models for Surface Object Detection

arxiv url: http://arxiv.org/abs/2010.11464v1
Date: Thu, 22 Oct 2020 06:09:59 GMT
ステータス: 処理完了
システム内更新日: 2022-10-04 06:49:33.733939
Title: Fine-tuned Pre-trained Mask R-CNN Models for Surface Object Detection
Title（参考訳）: 表面物体検出のための微調整済みマスクR-CNNモデル
Authors: Haruhiro Fujita, Masatoshi Itagaki, Kenta Ichikawa, Yew Kwang Hooi, Kazutaka Kawano and Ryo Yamamoto
Abstract要約: 本研究では、4つのMask R-CNNモデルを用いて路面物体検出タスクを評価する。モデルは、COCOデータセットと15,188のセグメント化された道路表面アノテーションタグによって事前訓練され、微調整された。
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: This study evaluates road surface object detection tasks using four Mask R-CNN models as a pre-study of surface deterioration detection of stone-made archaeological objects. The models were pre-trained and fine-tuned by COCO datasets and 15,188 segmented road surface annotation tags. The quality of the models were measured using Average Precisions and Average Recalls. Result indicates substantial number of counts of false negatives, i.e. left detection and unclassified detections. A modified confusion matrix model to avoid prioritizing IoU is tested and there are notable true positive increases in bounding box detection, but almost no changes in segmentation masks.
Abstract（参考訳）: 本研究では,4つのMask R-CNNモデルを用いて,石造遺跡の表面劣化検出のための路面物体検出タスクを評価する。モデルはCOCOデータセットと15,188のセグメント化された道路表面アノテーションタグによって事前訓練および微調整が行われた。モデルの品質は平均精度と平均リコールを用いて測定した。結果は偽陰性のかなりの数、すなわち左検出と非分類検出を示している。 IoUの優先順位付けを避けるために改良された混乱行列モデルがテストされ、境界ボックス検出において顕著な正の増大があるが、セグメンテーションマスクはほとんど変化しない。

関連論文リスト

A Review and Implementation of Object Detection Models and Optimizations for Real-time Medical Mask Detection during the COVID-19 Pandemic [0.0]
この研究は、Common Objects in Context(COCO)データセット上で最も基本的なオブジェクト検出モデルを評価する。我々は、医療マスクを用いた人間の顔の話題的、未探索のデータセットをトレーニングするために、YOLOv5と呼ばれる非常に効率的なモデルを選択した。医療用マスクの正確な検出に移動学習を用いたYOLOv5に基づく最適化モデルを提案する。
論文参考訳（メタデータ） (2024-05-28T17:27:24Z)
Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。提案手法は平均精度(MAP)を約45.7%向上させる。この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文参考訳（メタデータ） (2023-11-21T19:49:13Z)
Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文参考訳（メタデータ） (2023-08-31T05:05:53Z)
Exploring the Effectiveness of Dataset Synthesis: An application of Apple Detection in Orchards [68.95806641664713]
本研究では,リンゴ樹の合成データセットを生成するための安定拡散2.1-baseの有用性について検討する。我々は、現実世界のリンゴ検出データセットでリンゴを予測するために、YOLOv5mオブジェクト検出モデルを訓練する。その結果、実世界の画像でトレーニングされたベースラインモデルと比較して、生成データでトレーニングされたモデルはわずかに性能が劣っていることがわかった。
論文参考訳（メタデータ） (2023-06-20T09:46:01Z)
Deep Learning based Defect classification and detection in SEM images: A Mask R-CNN approach [2.7180863515048674]
我々は,コンピュータビジョンのためのディープラーニングアルゴリズムであるMask-RCNN(Regional Convolutional Neural Network)の応用を実証した。我々は,ブリッジ,ブレーク,ライン崩壊など,クラス間のさまざまな欠陥パターンを検出し,セグメンテーションすることを目的としている。
論文参考訳（メタデータ） (2022-11-03T23:26:40Z)
DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
論文参考訳（メタデータ） (2021-05-30T22:07:13Z)
Distance-Based Anomaly Detection for Industrial Surfaces Using Triplet Networks [2.7173993697663086]
表面異常検出はスクラップ生産を減らすために多くの製造業において重要な品質管理の役割を担っている。ディープラーニング畳み込みニューラルネットワーク(CNN)は、これらの画像処理ベースのソリューションの最前線にある。本稿では,この課題に対して,距離に基づく異常検出を目標とした表面テクスチャパッチ上でCNNをトレーニングすることで対処する。
論文参考訳（メタデータ） (2020-11-09T00:35:21Z)
Auto-Classifier: A Robust Defect Detector Based on an AutoML Head [2.685668802278155]
畳み込みニューラルネットワークは従来の手法よりも優れた結果が得られることを示す。また、Auto-Classifierは、全データセットの100%精度と100%AUC結果を達成することで、他のすべてのメソッドよりも優れた性能を示すことを示す。
論文参考訳（メタデータ） (2020-09-03T10:39:02Z)
Robustness and Overfitting Behavior of Implicit Background Models [14.221460375400692]
画像分類モデルを弱教師付きセグメンテーションモデルに変換し、空間領域の可視化を性能に影響を与えることなく提供する。セグメンテーションマスクを用いて、テストラベルを必要としないオーバーフィット検出基準を導出する。
論文参考訳（メタデータ） (2020-08-21T05:08:33Z)
Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文参考訳（メタデータ） (2020-03-28T18:51:43Z)
Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。我々は,再建基準の代替として,異常スコアの代替尺度を提案した。提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文参考訳（メタデータ） (2020-03-24T08:26:58Z)

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。