論文の概要: Ellipse Detection and Localization with Applications to Knots in Sawn
Lumber Images
- arxiv url: http://arxiv.org/abs/2011.04844v1
- Date: Tue, 10 Nov 2020 00:39:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 07:31:26.077698
- Title: Ellipse Detection and Localization with Applications to Knots in Sawn
Lumber Images
- Title（参考訳）: ソーン材質画像における楕円検出と結び目への応用
- Authors: Shenyi Pan, Shuxian Fan, Samuel W.K. Wong, James V. Zidek, Helge
Rhodin
- Abstract要約: 我々は,高速なR-CNNをその領域提案ネットワーク(RPN)に適応させ,ガウス関数を持つ楕円オブジェクトをモデル化する。
モデルがどのように楕円形状に調整され、汎用検出器で改良されるかを示す。
また,本研究では,木質画像の劣化を補正するアルゴリズムも提案している。
- 参考スコア（独自算出の注目度）: 8.147652823073676
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While general object detection has seen tremendous progress, localization of
elliptical objects has received little attention in the literature. Our
motivating application is the detection of knots in sawn timber images, which
is an important problem since the number and types of knots are visual
characteristics that adversely affect the quality of sawn timber. We
demonstrate how models can be tailored to the elliptical shape and thereby
improve on general purpose detectors; more generally, elliptical defects are
common in industrial production, such as enclosed air bubbles when casting
glass or plastic. In this paper, we adapt the Faster R-CNN with its Region
Proposal Network (RPN) to model elliptical objects with a Gaussian function,
and extend the existing Gaussian Proposal Network (GPN) architecture by adding
the region-of-interest pooling and regression branches, as well as using the
Wasserstein distance as the loss function to predict the precise locations of
elliptical objects. Our proposed method has promising results on the lumber
knot dataset: knots are detected with an average intersection over union of
73.05%, compared to 63.63% for general purpose detectors. Specific to the
lumber application, we also propose an algorithm to correct any misalignment in
the raw timber images during scanning, and contribute the first open-source
lumber knot dataset by labeling the elliptical knots in the preprocessed
images.
- Abstract（参考訳）: 一般物体検出は著しく進展しているが,楕円物体の局在性は文献上ではほとんど注目されていない。
本研究のモチベーションは,木ノット数や種類が木ノットの品質に悪影響を及ぼす視覚的特徴であるため,木ノットの検出である。
より一般的には、ガラスやプラスチックを鋳造する際の封入気泡などの楕円形欠陥が工業生産において一般的である。
本稿では,高速 r-cnn とその領域提案ネットワーク (rpn) をガウス関数を持つ楕円型物体のモデル化に適用し,領域間プーリングと回帰分岐を加えて既存のガウス型提案ネットワーク (gpn) アーキテクチャを拡張し,損失関数として wasserstein 距離を用いて楕円型物体の正確な位置を予測した。
提案手法は, 木材結び目データセットにおいて有望な結果を得た: 結び目は, 一般目的検出器では63.63%に対して, 平均交点73.05%で検出される。
また,木材応用に特有な手法として,走査中の木材画像の誤りを補正するアルゴリズムを提案し,前処理画像の楕円結び目をラベル付けして,第1のオープンソース木材結び目データセットに寄与する手法を提案する。
関連論文リスト
- Visual Context-Aware Person Fall Detection [52.49277799455569]
画像中の個人とオブジェクトを半自動分離するセグメンテーションパイプラインを提案する。
ベッド、椅子、車椅子などの背景オブジェクトは、転倒検知システムに挑戦し、誤ったポジティブアラームを引き起こす。
トレーニング中のオブジェクト固有のコンテキスト変換が、この課題を効果的に軽減することを示す。
論文 参考訳（メタデータ） (2024-04-11T19:06:36Z) - PG-RCNN: Semantic Surface Point Generation for 3D Object Detection [19.341260543105548]
ポイントジェネレーションR-CNN(PG-RCNN)は、3次元物体検出のための新しいエンドツーエンド検出器である。
共同でトレーニングされたRoIポイント生成モジュールを使用して、RoIのコンテキスト情報を処理する。
PG-RCNNは生成された全ての点について、推定された前景確率を示す意味的特徴を割り当てる。
論文 参考訳（メタデータ） (2023-07-24T09:22:09Z) - ARO-Net: Learning Implicit Fields from Anchored Radial Observations [25.703496065476067]
3次元形状の暗黙的場表現を学習するための新しい形状符号化であるアンカードラジアル観測(ARO)を導入する。
固定されたアンカーの集合を用いて、フィボナッチサンプリングを行い、座標に基づくディープニューラルネットワークを設計することにより、汎用的で統一された形状表現を開発する。
ARO-Netと命名されたネットワークの質と汎用性を,スパース点雲から表面再構成した上で実証する。
論文 参考訳（メタデータ） (2022-12-19T16:29:20Z) - Learning to Detect Good Keypoints to Match Non-Rigid Objects in RGB
Images [7.428474910083337]
本稿では,非剛性画像対応タスクの正マッチ数を最大化するために,新しい学習キーポイント検出手法を提案する。
我々のトレーニングフレームワークは、アノテートされた画像対と予め定義された記述子抽出器をマッチングして得られる真の対応を利用して、畳み込みニューラルネットワーク(CNN)を訓練する。
実験の結果,本手法は平均整合精度で20時までに非剛体物体の実像に対して,最先端のキーポイント検出器よりも優れていた。
論文 参考訳（メタデータ） (2022-12-13T11:59:09Z) - Detecting Rotated Objects as Gaussian Distributions and Its 3-D
Generalization [81.29406957201458]
既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。
このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。
回転した物体をガウス分布としてモデル化することを提案する。
2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
論文 参考訳（メタデータ） (2022-09-22T07:50:48Z) - Object Detection in Aerial Images with Uncertainty-Aware Graph Network [61.02591506040606]
本稿では,ノードとエッジがオブジェクトによって表現される構造化グラフを用いた,新しい不確実性を考慮したオブジェクト検出フレームワークを提案する。
我々は我々のモデルをオブジェクトDETection(UAGDet)のための不確実性対応グラフネットワークと呼ぶ。
論文 参考訳（メタデータ） (2022-08-23T07:29:03Z) - Spelunking the Deep: Guaranteed Queries for General Neural Implicit
Surfaces [35.438964954948574]
この研究は、広範囲の既存アーキテクチャに対して、一般的なニューラル暗黙関数でクエリを直接実行するための新しいアプローチを示す。
私たちのキーとなるツールは、ニューラルネットワークへのレンジ分析の適用であり、ネットワークの出力を領域を越えてバウンドするために自動演算ルールを使用します。
得られた境界を用いて、レイキャスト、交差試験、空間階層の構築、高速メッシュ抽出、最近点評価などのクエリを開発する。
論文 参考訳（メタデータ） (2022-02-05T00:37:08Z) - Scale Normalized Image Pyramids with AutoFocus for Object Detection [75.71320993452372]
スケール正規化画像ピラミッド(SNIP)が生成され、人間の視覚と同様に、異なるスケールで固定されたサイズ範囲内のオブジェクトにのみ参加する。
本研究では,オブジェクトを含む可能性のある固定サイズのサブリージョンのみで動作する,効率的な空間サブサンプリング手法を提案する。
結果のアルゴリズムはAutoFocusと呼ばれ、SNIPを使用する場合の推論では2.5～5倍のスピードアップとなる。
論文 参考訳（メタデータ） (2021-02-10T18:57:53Z) - Dynamic Edge Weights in Graph Neural Networks for 3D Object Detection [0.0]
本稿では,LiDARスキャンにおける物体検出のためのグラフニューラルネットワーク(GNN)における注目に基づく特徴集約手法を提案する。
GNNの各層では、ノードごとの入力特徴を対応する上位特徴にマッピングする線形変換とは別に、ノードごとの注意を隠蔽する。
KITTIデータセットを用いた実験により,本手法は3次元物体検出に匹敵する結果が得られることが示された。
論文 参考訳（メタデータ） (2020-09-17T12:56:17Z) - Structural Temporal Graph Neural Networks for Anomaly Detection in
Dynamic Graphs [54.13919050090926]
本稿では,動的グラフの異常エッジを検出するために,エンドツーエンドの時間構造グラフニューラルネットワークモデルを提案する。
特に,まずターゲットエッジを中心にした$h$ホップ囲むサブグラフを抽出し,各ノードの役割を識別するノードラベル機能を提案する。
抽出した特徴に基づき,GRU(Gated Recurrent Unit)を用いて,異常検出のための時間的情報を取得する。
論文 参考訳（メタデータ） (2020-05-15T09:17:08Z) - High-Order Information Matters: Learning Relation and Topology for
Occluded Person Re-Identification [84.43394420267794]
本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。
我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
論文 参考訳（メタデータ） (2020-03-18T12:18:35Z)
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。