Fugu-MT 論文翻訳(概要): Object sieving and morphological closing to reduce false detections in wide-area aerial imagery

論文の概要: Object sieving and morphological closing to reduce false detections in wide-area aerial imagery

arxiv url: http://arxiv.org/abs/2010.15260v1
Date: Wed, 28 Oct 2020 22:20:17 GMT
ステータス: 処理完了
システム内更新日: 2022-10-02 06:15:07.379003
Title: Object sieving and morphological closing to reduce false detections in wide-area aerial imagery
Title（参考訳）: 広域空中画像における誤検出を減らすための物体の触覚と形態的閉鎖
Authors: Xin Gao, Sundaresh Ram, and Jeffrey J. Rodriguez
Abstract要約: 本稿では,2段階後処理方式を提案する。本研究では,5つの物体検出アルゴリズムの性能を不在時と後処理方式の有無で比較するために,広域空中映像を2本使用した。
参考スコア（独自算出の注目度）: 12.283960732404163
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: For object detection in wide-area aerial imagery, post-processing is usually needed to reduce false detections. We propose a two-stage post-processing scheme which comprises an area-thresholding sieving process and a morphological closing operation. We use two wide-area aerial videos to compare the performance of five object detection algorithms in the absence and in the presence of our post-processing scheme. The automatic detection results are compared with the ground-truth objects. Several metrics are used for performance comparison.
Abstract（参考訳）: 広域空中画像における物体検出には、通常、誤検出を減らすために後処理が必要である。そこで本稿では,エリアスレッディング・シービングとモルフォロジー・クローズ操作を組み合わせた2段階のポストプロセッシング方式を提案する。本研究では,5つの物体検出アルゴリズムの性能を不在時と後処理方式の有無で比較するために,広域空中映像を2本使用した。自動検出結果と接地物体との比較を行った。パフォーマンス比較にはいくつかのメトリクスが使用される。

関連論文リスト

Overcoming Scene Context Constraints for Object Detection in wild using Defilters [3.038642416291856]
物体検出、認識、セグメンテーションなどの高レベルのコンピュータビジョンタスクは、特に画像歪みに敏感である。物体検出に先立って画像歪みを補正する画像デファイラを提案する。この方法では、非歪画像のトレーニング時にモデルが最適に実行されるため、オブジェクト検出精度が向上する。
論文参考訳（メタデータ） (2024-04-12T07:30:52Z)
Linear Object Detection in Document Images using Multiple Object Tracking [58.720142291102135]
線形オブジェクトは文書構造に関する実質的な情報を伝達する。多くのアプローチはベクトル表現を復元できるが、1994年に導入された1つのクローズドソース技術のみである。複数オブジェクト追跡を用いた文書画像中の線形オブジェクトの正確なインスタンスセグメンテーションのためのフレームワークを提案する。
論文参考訳（メタデータ） (2023-05-26T14:22:03Z)
Learning to search for and detect objects in foveal images using deep learning [3.655021726150368]
本研究では,画像中のクラスを探索する人間の客観的な注意をエミュレートする固定予測モデルを用いる。そして、各固定点のフェーブされた画像を分類して、シーンにターゲットが存在するか否かを判定する。本稿では,2つのタスク間の知識伝達を可能とし,修正予測と検出を同時に行うことができる新しいデュアルタスクモデルを提案する。
論文参考訳（メタデータ） (2023-04-12T09:50:25Z)
A Coarse to Fine Framework for Object Detection in High Resolution Image [8.316322664637537]
オブジェクト検出の現在のアプローチでは、高解像度画像における小さなオブジェクトや大規模な分散問題を検出することはめったにない。本稿では,オブジェクト検出の精度を,特に小さなオブジェクトや大規模分散シーンに対して向上させる,シンプルで効率的なアプローチを提案する。提案手法は,高分解能画像における物体の空間と情報を有効利用することにより,より効率的に検出できる。
論文参考訳（メタデータ） (2023-03-02T13:04:33Z)
ObjectFormer for Image Manipulation Detection and Localization [118.89882740099137]
画像操作の検出とローカライズを行うObjectFormerを提案する。画像の高周波特徴を抽出し,マルチモーダルパッチの埋め込みとしてRGB特徴と組み合わせる。各種データセットについて広範な実験を行い,提案手法の有効性を検証した。
論文参考訳（メタデータ） (2022-03-28T12:27:34Z)
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)
You Better Look Twice: a new perspective for designing accurate detectors with reduced computations [56.34005280792013]
BLT-netは、新しい低計算の2段階オブジェクト検出アーキテクチャである。非常にエレガントな第1ステージを使用して、オブジェクトをバックグラウンドから分離することで、計算を削減します。結果のイメージ提案は、高度に正確なモデルによって第2段階で処理される。
論文参考訳（メタデータ） (2021-07-21T12:39:51Z)
Ensembling object detectors for image and video data analysis [98.26061123111647]
本稿では,複数の物体検出器の出力をアンサンブルすることで,画像データ上の境界ボックスの検出性能と精度を向上させる手法を提案する。本研究では,2段階追跡に基づく検出精度向上手法を提案することで,映像データに拡張する。
論文参考訳（メタデータ） (2021-02-09T12:38:16Z)
Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文参考訳（メタデータ） (2020-08-19T13:13:01Z)
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)

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。