論文の概要: Zero Cost Improvements for General Object Detection Network
- arxiv url: http://arxiv.org/abs/2011.07756v2
- Date: Mon, 15 Nov 2021 17:24:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-25 00:34:49.097058
- Title: Zero Cost Improvements for General Object Detection Network
- Title(参考訳): 汎用オブジェクト検出ネットワークにおけるゼロコスト改善
- Authors: Shaohua Wang, Yaping Dai
- Abstract要約: 2つのモジュールがコストゼロで検出精度を向上させるために提案されている。
パラメータの少ないマルチレベル特徴写像を効率的に融合するために,スケールアテンション機構を用いる。
実験の結果,2つのモジュールを持つネットワークはコストゼロで1.1 APと0.8 APを越えられることがわかった。
- 参考スコア(独自算出の注目度): 6.072666305426913
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern object detection networks pursuit higher precision on general object
detection datasets, at the same time the computation burden is also increasing
along with the improvement of precision. Nevertheless, the inference time and
precision are both critical to object detection system which needs to be
real-time. It is necessary to research precision improvement without extra
computation cost. In this work, two modules are proposed to improve detection
precision with zero cost, which are focus on FPN and detection head improvement
for general object detection networks. We employ the scale attention mechanism
to efficiently fuse multi-level feature maps with less parameters, which is
called SA-FPN module. Considering the correlation of classification head and
regression head, we use sequential head to take the place of widely-used
parallel head, which is called Seq-HEAD module. To evaluate the effectiveness,
we apply the two modules to some modern state-of-art object detection networks,
including anchor-based and anchor-free. Experiment results on coco dataset show
that the networks with the two modules can surpass original networks by 1.1 AP
and 0.8 AP with zero cost for anchor-based and anchor-free networks,
respectively. Code will be available at https://git.io/JTFGl.
- Abstract(参考訳): 現代のオブジェクト検出ネットワークは、一般的なオブジェクト検出データセットの高精度を追求すると同時に、精度の向上とともに計算負荷も増大している。
それでも、推測時間と精度はどちらも、リアルタイムである必要があるオブジェクト検出システムにとって重要である。
計算コストを増すことなく精度の向上を研究する必要がある。
本研究では,一般物体検出ネットワークにおけるfpnと検出ヘッドの改善に着目し,低コストで検出精度を向上させるための2つのモジュールを提案する。
我々は,SA-FPNモジュールと呼ばれるパラメータの少ないマルチレベル特徴写像を効率的に融合するために,スケールアテンション機構を用いる。
分類ヘッドと回帰ヘッドの相関性を考慮すると、シーケンシャルヘッドはseq-headモジュールと呼ばれる広く使われる並列ヘッドの代わりに使われる。
有効性を評価するため,両モジュールをアンカーベースやアンカーフリーを含む最新のオブジェクト検出ネットワークに適用する。
ココデータセットによる実験結果から,2つのモジュールを持つネットワークは,それぞれアンカーベースネットワークとアンカーフリーネットワークのコストをゼロに,元のネットワークを1.1 APと0.8 APで越えることができることがわかった。
コードはhttps://git.io/JTFGl.orgで入手できる。
関連論文リスト
- Semi-Supervised and Long-Tailed Object Detection with CascadeMatch [91.86787064083012]
そこで我々はCascadeMatchと呼ばれる新しい擬似ラベル型検出器を提案する。
我々の検出器は、プログレッシブな信頼しきい値を持つ多段検出ヘッドを備えたカスケードネットワークアーキテクチャを備えている。
CascadeMatchは、長い尾のオブジェクト検出の処理において、既存の最先端の半教師付きアプローチを超越していることを示す。
論文 参考訳(メタデータ) (2023-05-24T07:09:25Z) - Rethinking the Detection Head Configuration for Traffic Object Detection [11.526701794026641]
本稿では,検出ヘッドとオブジェクト分布のマッチングに基づいて,軽量なトラフィックオブジェクト検出ネットワークを提案する。
提案したモデルでは,BDD100Kデータセットと提案したETFOD-v2データセットの他のモデルよりも,より競争力のあるパフォーマンスを実現している。
論文 参考訳(メタデータ) (2022-10-08T02:23:57Z) - CPFN: Cascaded Primitive Fitting Networks for High-Resolution Point
Clouds [51.47100091540298]
本稿では,グローバルおよびローカルなプリミティブ検出ネットワークの検出結果をアダプティブパッチサンプリングネットワークに依存したCPFN(Cascaded Primitive Fitting Networks)を提案する。
CPFNは、高解像度のポイントクラウドデータセット上で、最先端のSPFNのパフォーマンスを13-14%改善し、特に20-22%の微細プリミティブの検出を改善している。
論文 参考訳(メタデータ) (2021-08-31T23:27:33Z) - Oriented R-CNN for Object Detection [61.78746189807462]
本研究では、オブジェクト指向R-CNNと呼ばれる、効果的でシンプルなオブジェクト指向オブジェクト検出フレームワークを提案する。
第1段階では,高品質な指向型提案をほぼ無償で直接生成する指向型領域提案ネットワーク(指向RPN)を提案する。
第2段階は、R-CNNヘッダーで、興味のある領域(オブジェクト指向のRoI)を精製し、認識する。
論文 参考訳(メタデータ) (2021-08-12T12:47:43Z) - AGSFCOS: Based on attention mechanism and Scale-Equalizing pyramid
network of object detection [10.824032219531095]
現在のCOCOデータセットの一般的な検出モデルと比較すると,精度はある程度向上している。
我々の最適モデルはResNet50の背景で39.5%のCOCO APが得られる。
論文 参考訳(メタデータ) (2021-05-20T08:41:02Z) - Enhancing Object Detection for Autonomous Driving by Optimizing Anchor
Generation and Addressing Class Imbalance [0.0]
本研究では,より高速なR-CNNに基づく拡張型2次元物体検出器を提案する。
より高速なr-cnnに対する修正は計算コストを増加させず、他のアンカーベースの検出フレームワークを最適化するために容易に拡張できる。
論文 参考訳(メタデータ) (2021-04-08T16:58:31Z) - Enabling certification of verification-agnostic networks via
memory-efficient semidefinite programming [97.40955121478716]
本稿では,ネットワークアクティベーションの総数にのみ線形なメモリを必要とする一階二重SDPアルゴリズムを提案する。
L-inf の精度は 1% から 88% ,6% から 40% に改善した。
また,変分オートエンコーダの復号器に対する2次安定性仕様の厳密な検証を行った。
論文 参考訳(メタデータ) (2020-10-22T12:32:29Z) - Scope Head for Accurate Localization in Object Detection [135.9979405835606]
本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。
我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
論文 参考訳(メタデータ) (2020-05-11T04:00:09Z) - 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) - Seeing without Looking: Contextual Rescoring of Object Detections for AP
Maximization [4.346179456029563]
任意の検出器の出力を後処理することで、コンテキストをオブジェクト検出に組み込むことを提案する。
再現は、検出の集合全体からコンテキスト情報を条件付けすることで行われる。
検出信頼度を簡易に再割り当てすることでAPを改善できることを示す。
論文 参考訳(メタデータ) (2019-12-27T18:56:29Z)
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。