論文の概要: Effective Fusion Factor in FPN for Tiny Object Detection

• arxiv url: http://arxiv.org/abs/2011.02298v2
• Date: Mon, 9 Nov 2020 09:40:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 22:22:22.522048
• Title: Effective Fusion Factor in FPN for Tiny Object Detection
• Title（参考訳）: 細い物体検出のためのFPNの有効融合係数
• Authors: Yuqi Gong, Xuehui Yu, Yao Ding, Xiaoke Peng, Jian Zhao, Zhenjun Han
• Abstract要約: 我々は、FPNの隣接層間のトップダウン接続は、小さな物体検出に2つの側面の影響をもたらすと論じている。 深い層が浅い層にもたらす情報を制御するための新しい概念である融合係数を提案する。 本研究では,FPNを適切な融合係数で設定すると,ネットワークの性能が大幅に向上することを示す。
• 参考スコア（独自算出の注目度）: 12.241778953479226
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: FPN-based detectors have made significant progress in general object detection, e.g., MS COCO and PASCAL VOC. However, these detectors fail in certain application scenarios, e.g., tiny object detection. In this paper, we argue that the top-down connections between adjacent layers in FPN bring two-side influences for tiny object detection, not only positive. We propose a novel concept, fusion factor, to control information that deep layers deliver to shallow layers, for adapting FPN to tiny object detection. After series of experiments and analysis, we explore how to estimate an effective value of fusion factor for a particular dataset by a statistical method. The estimation is dependent on the number of objects distributed in each layer. Comprehensive experiments are conducted on tiny object detection datasets, e.g., TinyPerson and Tiny CityPersons. Our results show that when configuring FPN with a proper fusion factor, the network is able to achieve significant performance gains over the baseline on tiny object detection datasets. Codes and models will be released.
• Abstract（参考訳）: FPNベースの検出器は、MS COCOやPASCALVOCといった一般的な物体検出において大きな進歩を遂げている。 しかし、これらの検出器は、例えば小さな物体検出のような特定の応用シナリオで失敗する。 本稿では,FPNの隣接層間のトップダウン接続が,小さな物体検出に2面の影響をもたらすことを論じる。 我々は,FPNを微小物体検出に適用するために,深層が浅い層に届ける情報を制御するための新しい概念である融合係数を提案する。 一連の実験と分析の後、統計的手法により特定のデータセットに対する融合係数の有効値を推定する方法を検討する。 見積もりは各レイヤに分散したオブジェクトの数に依存する。 包括的実験は、小さな物体検出データセット(例えば、tinypersonとtiny citypersons)で行われます。 その結果、FPNを適切な融合係数で設定すると、ネットワークは小さなオブジェクト検出データセット上でベースラインよりも大きな性能向上を達成できることがわかった。 コードとモデルがリリースされます。

関連論文リスト

• Visible and Clear: Finding Tiny Objects in Difference Map [50.54061010335082]
  本稿では,検出モデルに自己再構成機構を導入し,それと微小物体との強い相関関係を明らかにする。 具体的には、再構成画像と入力の差分マップを構築して、検出器の首の内側に再構成ヘッドを配置し、小さな物体に対して高い感度を示す。 さらに、小さな特徴表現をより明確にするために、差分マップガイド機能拡張(DGFE)モジュールを開発する。
  論文  参考訳（メタデータ） (2024-05-18T12:22:26Z)
• Better Sampling, towards Better End-to-end Small Object Detection [7.7473020808686694]
  限られた特性と高密度と相互重なり合いのため、小さな物体検出は不満足なままである。 エンド・ツー・エンド・フレームワークにおけるサンプリングの強化手法を提案する。 我々のモデルは、VisDroneデータセット上での最先端(SOTA)よりも平均精度(AP)が2.9%向上することを示す。
  論文  参考訳（メタデータ） (2024-05-17T04:37:44Z)
• 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)
• You Should Look at All Objects [28.862053913000384]
  本稿では,検出フレームワークにおけるFPNを再検討し,最適化の観点からFPNの成功の性質を明らかにする。 大規模物体の劣化特性は、FPNの統合後の不適切なバックプロパゲーションパスの発生によるものである。 バックボーンの各レベルがFPNベースの検出フレームワークの全オブジェクトを見ることができるように、2つの実行可能な戦略が提案されている。
  論文  参考訳（メタデータ） (2022-07-16T09:59:34Z)
• SSPNet: Scale Selection Pyramid Network for Tiny Person Detection from UAV Images [10.439155825343517]
  小型人検出のためのSSPNet(Scale Selection Pyramid Network)を提案する。 SSPNetは、コンテキスト注意モジュール(CAM)、スケール拡張モジュール(SEM)、スケール選択モジュール(SSM)の3つのコンポーネントから構成される。 我々の方法は、他の最先端検出器(SOTA)よりも優れている。
  論文  参考訳（メタデータ） (2021-07-04T05:46:41Z)
• Detecting Human-Object Interaction via Fabricated Compositional Learning [106.37536031160282]
  ヒューマンオブジェクトインタラクション(HOI)検出は、高レベルのシーン理解のための基本的なタスクです。 人間は珍しいまたは見えないHOIのサンプルを認識する非常に強力な構成知覚能力があります。 オープン長尾HOI検出の課題を解決するために,FCL(Fabricated Compositional Learning)を提案する。
  論文  参考訳（メタデータ） (2021-03-15T08:52:56Z)
• DecAug: Augmenting HOI Detection via Decomposition [54.65572599920679]
  現在のアルゴリズムでは、データセット内のトレーニングサンプルやカテゴリの不均衡が不足している。 本稿では,HOI検出のためのDECAugと呼ばれる効率的かつ効率的なデータ拡張手法を提案する。 実験の結果,V-COCOおよびHICODETデータセットの3.3mAPと1.6mAPの改善が得られた。
  論文  参考訳（メタデータ） (2020-10-02T13:59:05Z)
• A Systematic Evaluation of Object Detection Networks for Scientific Plots [17.882932963813985]
  PlotQAデータセット上で、様々なSOTAオブジェクト検出ネットワークの精度をトレーニングし比較する。 0.5の標準IOU設定では、ほとんどのネットワークはプロット内の比較的単純な物体を検出する場合、mAPスコアが80%以上である。 しかし、パフォーマンスは0.9のより厳格なIOUで評価されると大幅に低下し、最高のモデルでmAPは35.70%となった。
  論文  参考訳（メタデータ） (2020-07-05T05:30:53Z)
• Learning a Unified Sample Weighting Network for Object Detection [113.98404690619982]
  地域サンプリングや重み付けは、現代の地域ベースの物体検出器の成功に極めて重要である。 サンプル重み付けはデータ依存でタスク依存であるべきだと我々は主張する。 サンプルのタスク重みを予測するための統一的なサンプル重み付けネットワークを提案する。
  論文  参考訳（メタデータ） (2020-06-11T16:19:16Z)
• Extended Feature Pyramid Network for Small Object Detection [20.029591259254847]
  小型物体検出に特化した高分解能ピラミッドレベルの拡張特徴ピラミッドネットワーク(EFPN)を提案する。 具体的には,特徴の超解法と信頼性のある地域情報を同時に抽出するために,特徴テクスチャ転送(FTT)と呼ばれる新しいモジュールを設計する。 実験では,提案したEFPNは計算とメモリの両方で効率的であり,最先端の結果が得られる。
  論文  参考訳（メタデータ） (2020-03-16T04:27:54Z)
• Cross-layer Feature Pyramid Network for Salient Object Detection [102.20031050972429]
  本稿では,有能な物体検出における進行的融合を改善するために,新しいクロス層特徴ピラミッドネットワークを提案する。 レイヤごとの分散機能は、他のすべてのレイヤからセマンティクスと健全な詳細の両方を同時に所有し、重要な情報の損失を減らします。
  論文  参考訳（メタデータ） (2020-02-25T14:06:27Z)

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。