論文の概要: AmphibianDetector: adaptive computation for moving objects detection
- arxiv url: http://arxiv.org/abs/2011.07513v2
- Date: Fri, 25 Dec 2020 09:09:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-25 07:21:27.063213
- Title: AmphibianDetector: adaptive computation for moving objects detection
- Title（参考訳）: AmphibianDetector:移動物体検出のための適応計算
- Authors: David Svitov, Sergey Alyamkin
- Abstract要約: 本稿では,偽陽性検出の回数を減らすためのオブジェクト検出手法を提案する。
提案手法は、すでにオブジェクト検出タスクのために訓練されているCNNの修正である。
提案手法の有効性をオープンデータセット"CDNet2014 pedestrian"で実証した。
- 参考スコア（独自算出の注目度）: 0.913755431537592
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Convolutional neural networks (CNN) allow achieving the highest accuracy for
the task of object detection in images. Major challenges in further development
of object detectors are false-positive detections and high demand of processing
power. In this paper, we propose an approach to object detection which makes it
possible to reduce the number of false-positive detections by processing only
moving objects and reduce the required processing power for algorithm
inference. The proposed approach is a modification of CNN already trained for
object detection task. This method can be used to improve the accuracy of an
existing system by applying minor changes to the algorithm. The efficiency of
the proposed approach was demonstrated on the open dataset "CDNet2014
pedestrian". The implementation of the method proposed in the article is
available on the GitHub: https://github.com/david-svitov/AmphibianDetector
- Abstract（参考訳）: 畳み込みニューラルネットワーク(cnn)は、画像内の物体検出タスクの最高精度を達成する。
オブジェクト検出器のさらなる開発における大きな課題は、偽陽性の検出と処理能力の高要求である。
本稿では,移動物体のみを処理し,アルゴリズム推論に必要な処理能力を削減することによって,偽陽性検出数を削減できるオブジェクト検出手法を提案する。
提案手法は,すでにオブジェクト検出タスク用に訓練されたcnnの改良である。
この手法は,アルゴリズムに小さな変更を加えることで,既存システムの精度を向上させるために利用できる。
提案手法の効率性はオープンデータセット "CDNet2014 pedestrian" で実証された。
この記事で提案されたメソッドの実装はGitHubで公開されている。
関連論文リスト
- A PST Algorithm for FPs Suppression in Two-stage CNN Detection Methods [2.288618928064061]
本稿では,歩行者と歩行者以外のサンプルを識別する2段階CNN検出手法の学習を支援するために,歩行者に敏感な学習アルゴリズムを提案する。
提案アルゴリズムの助けを借りて,より小型で高精度なメトロ旅客検出器であるMetroNextの検出精度がさらに向上した。
論文 参考訳（メタデータ） (2024-05-24T08:26:14Z) - Patch-based Selection and Refinement for Early Object Detection [20.838511460733038]
本稿では,イメージをパッチに分割し,様々なスケールのオブジェクトでパッチを選択し,小さなオブジェクトの詳細を精査し,できるだけ早く検出するアルゴリズムを提案する。
提案手法は変圧器を用いたネットワーク上に構築され,拡散モデルを統合して検出精度を向上させる。
提案アルゴリズムは,小型オブジェクトのmAPを1.03から8.93に向上させ,計算におけるデータボリュームを77%以上削減する。
論文 参考訳（メタデータ） (2023-11-03T23:41:13Z) - SalienDet: A Saliency-based Feature Enhancement Algorithm for Object
Detection for Autonomous Driving [160.57870373052577]
未知の物体を検出するために,サリエンデット法(SalienDet)を提案する。
我々のSaienDetは、オブジェクトの提案生成のための画像機能を強化するために、サリエンシに基づくアルゴリズムを利用している。
オープンワールド検出を実現するためのトレーニングサンプルセットにおいて、未知のオブジェクトをすべてのオブジェクトと区別するためのデータセットレザベリングアプローチを設計する。
論文 参考訳（メタデータ） (2023-05-11T16:19:44Z) - Label-Efficient Object Detection via Region Proposal Network
Pre-Training [58.50615557874024]
地域提案ネットワーク(RPN)に効果的な事前学習を提供するための簡単な事前学習タスクを提案する。
RPN事前学習のないマルチステージ検出器と比較して,本手法はダウンストリームタスク性能を継続的に改善することができる。
論文 参考訳（メタデータ） (2022-11-16T16:28:18Z) - Should All Proposals be Treated Equally in Object Detection? [110.27485090952385]
オブジェクト検出器の複雑さと精度のトレードオフは、リソース制約されたビジョンタスクにとって重要な問題である。
検出効率の改善には、提案の不平等な処理に向けて、パラダイムシフトが必要であると仮定されている。
これにより、利用可能な計算予算がより有効になり、同じFLOPSの精度が向上する。
論文 参考訳（メタデータ） (2022-07-07T18:26:32Z) - R(Det)^2: Randomized Decision Routing for Object Detection [64.48369663018376]
本稿では,決定木とディープニューラルネットワークをエンドツーエンドの学習方法で組み合わせたオブジェクト検出手法を提案する。
効率的な学習を容易にするために,ノード選択型および連想型損失を伴うランダム化決定経路を提案する。
このアプローチをオブジェクト検出のためのランダム化決定ルーティングとして、R(Det)$2$と略す。
論文 参考訳（メタデータ） (2022-04-02T07:54:58Z) - Improved detection of small objects in road network sequences [0.0]
本稿では,畳み込みニューラルネットワークによる検出に基づく超解像プロセスを適用し,小型物体の検出手法を提案する。
本研究は, 異なるスケールの要素を含むトラヒック画像の集合に対して, モデルにより得られた検出値に従って効率を試験するために試験された。
論文 参考訳（メタデータ） (2021-05-18T10:13:23Z) - Lightweight Convolutional Neural Network with Gaussian-based Grasping
Representation for Robotic Grasping Detection [4.683939045230724]
現在の物体検出器は、高い精度と高速な推論速度のバランスを取るのが難しい。
ロボットつかみポーズ推定を行うための効率的かつ堅牢な完全畳み込みニューラルネットワークモデルを提案する。
ネットワークは、他の優れたアルゴリズムよりも桁違いに小さい順序です。
論文 参考訳（メタデータ） (2021-01-25T16:36:53Z) - FairMOT: On the Fairness of Detection and Re-Identification in Multiple
Object Tracking [92.48078680697311]
マルチオブジェクトトラッキング(MOT)はコンピュータビジョンにおいて重要な問題である。
本稿では,FairMOTと呼ばれる,アンカーフリーなオブジェクト検出アーキテクチャCenterNetをベースとした,シンプルかつ効果的なアプローチを提案する。
このアプローチは、検出と追跡の両方において高い精度を達成する。
論文 参考訳（メタデータ） (2020-04-04T08:18:00Z) - A Video Analysis Method on Wanfang Dataset via Deep Neural Network [8.485930905198982]
本稿では,スポーツ競技におけるリアルタイム多目的検出機能と,ディープラーニングに基づく公共交通機関における歩行者フロー検出機能について述べる。
提案アルゴリズムに基づいて,主要なテストデータセットとしてwanfangスポーツコンペティションデータセットを採用する。
私たちの作業は、歩行者のフロー検出や歩行者のアラームタスクにも利用できます。
論文 参考訳（メタデータ） (2020-02-28T04:09:53Z) - Depthwise Non-local Module for Fast Salient Object Detection Using a
Single Thread [136.2224792151324]
本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。
提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
論文 参考訳（メタデータ） (2020-01-22T15:23:48Z)
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。