Fugu-MT 論文翻訳(概要): HMFlow: Hybrid Matching Optical Flow Network for Small and Fast-Moving Objects

論文の概要: HMFlow: Hybrid Matching Optical Flow Network for Small and Fast-Moving Objects

arxiv url: http://arxiv.org/abs/2011.09654v1
Date: Thu, 19 Nov 2020 04:58:13 GMT
ステータス: 処理完了
システム内更新日: 2022-09-23 21:10:21.095269
Title: HMFlow: Hybrid Matching Optical Flow Network for Small and Fast-Moving Objects
Title（参考訳）: HMFlow:小型・高速運動物体のためのハイブリッドマッチング光フローネットワーク
Authors: Suihanjin Yu, Youmin Zhang, Chen Wang, Xiao Bai, Liang Zhang, Edwin R. Hancock
Abstract要約: 我々は,グローバルマッチング機能を取得するために,軽量だが効果的なグローバルマッチングコンポーネント(GMC)を導入する。本稿では,GMCを既存の粗大なネットワークにシームレスに統合し,新しいHMM(Hybrid Matching Optical Flow Network)を提案する。提案するネットワークは,特に小型で高速な移動物体を持つ領域において,高い性能を実現している。
参考スコア（独自算出の注目度）: 20.61536438986549
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In optical flow estimation task, coarse-to-fine (C2F) warping strategy is widely used to deal with the large displacement problem and provides efficiency and speed. However, limited by the small search range between the first images and warped second images, current coarse-to-fine optical flow networks fail to capture small and fast-moving objects which disappear at coarse resolution levels. To address this problem, we introduce a lightweight but effective Global Matching Component (GMC) to grab global matching features. We propose a new Hybrid Matching Optical Flow Network (HMFlow) by integrating GMC into existing coarse-to-fine networks seamlessly. Besides keeping in high accuracy and small model size, our proposed HMFlow can apply global matching features to guide the network to discover the small and fast-moving objects mismatched by local matching features. We also build a new dataset, named Small and Fast-Moving Chairs (SFChairs), for evaluation. The experimental results show that our proposed network achieves considerable performance, especially at regions with small and fast-moving objects.
Abstract（参考訳）: オプティカルフロー推定タスクでは,大きな変位問題に対処し,効率と速度を提供するために,粗粒度対細(c2f)制動戦略が広く用いられている。しかし、第1画像と第2画像の間の小さな探索範囲によって制限されているため、現在の粗い微細な光フローネットワークは、粗い解像度レベルで消える小さく速く動く物体を捕捉することができない。この問題に対処するため,GMC(Global Matching Component)を導入し,グローバルマッチング機能を実現する。本稿では,GMCを既存の粗大なネットワークにシームレスに統合し,新しいHMM(Hybrid Matching Optical Flow Network)を提案する。提案するHMFlowは,高精度でモデルサイズが小さいだけでなく,グローバルなマッチング機能を用いて,局所的なマッチング機能にミスマッチした小型で高速な移動物体の発見を誘導することができる。評価のための新しいデータセット、small and fast-moving chairs(sfchairs)も構築しました。実験の結果,提案ネットワークは,特に小型で高速に移動可能な領域において,かなりの性能を発揮することがわかった。

関連論文リスト

Sparse Global Matching for Video Frame Interpolation with Large Motion [20.49084881829404]
大きな動きはビデオフレーム補間(VFI)タスクにおいて重要な課題となる。既存の手法は、しばしば制限された受容場によって制約されるため、大きな動きを持つシナリオを扱う際の準最適性能をもたらす。我々はVFIのための新しいパイプラインを導入し、グローバルレベルの情報を効果的に統合し、大きな動きに関連する問題を緩和する。
論文参考訳（メタデータ） (2024-04-10T11:06:29Z)
Adaptive Sparse Convolutional Networks with Global Context Enhancement for Faster Object Detection on Drone Images [26.51970603200391]
本稿では,スパース畳み込みに基づく検出ヘッドの最適化について検討する。これは、小さなオブジェクトのコンテキスト情報の不十分な統合に悩まされる。本稿では,グローバルな文脈拡張型適応スパース畳み込みネットワークを提案する。
論文参考訳（メタデータ） (2023-03-25T14:42:50Z)
DPNet: Dual-Path Network for Real-time Object Detection with Lightweight Attention [15.360769793764526]
本稿では,リアルタイム物体検出のための軽量アテンション方式を用いて,DPNetというデュアルパスネットワークを提案する。 DPNetは、検出精度と実装効率の間の最先端のトレードオフを実現する。
論文参考訳（メタデータ） (2022-09-28T09:11:01Z)
Lightweight Salient Object Detection in Optical Remote Sensing Images via Feature Correlation [93.80710126516405]
本稿では,これらの問題に対処する軽量ORSI-SODソリューションであるCorrNetを提案する。それぞれのコンポーネントのパラメータと計算を減らし、CorrNetは4.09Mのパラメータしか持たず、21.09GのFLOPで実行している。 2つの公開データセットの実験結果から、私たちの軽量なCorrNetは、26の最先端メソッドと比較して、競争力やパフォーマンスがさらに向上することが示された。
論文参考訳（メタデータ） (2022-01-20T08:28:01Z)
FastFlowNet: A Lightweight Network for Fast Optical Flow Estimation [81.76975488010213]
ディセンス光学フロー推定は、多くのロボットビジョンタスクで重要な役割を果たしています。現在のネットワークはしばしば多くのパラメータを占有し、計算コストがかかる。提案したFastFlowNetは、周知の粗大なやり方で、以下のイノベーションで機能する。
論文参考訳（メタデータ） (2021-03-08T03:09:37Z)
Dense Attention Fluid Network for Salient Object Detection in Optical Remote Sensing Images [193.77450545067967]
光リモートセンシング画像(RSI)における有意物体検出のためのエンド・ツー・エンドDense Attention Fluid Network(DAFNet)を提案する。 GCA(Global Context-Aware Attention)モジュールは、長距離の意味的関係を適応的にキャプチャするために提案される。我々は、2000枚の画像とピクセルワイドなサリエンシアノテーションを含むSODのための新しい、挑戦的な光学RSIデータセットを構築した。
論文参考訳（メタデータ） (2020-11-26T06:14:10Z)
MicroNet: Towards Image Recognition with Extremely Low FLOPs [117.96848315180407]
MicroNetは計算コストの極めて低い効率的な畳み込みニューラルネットワークである。 MicroNetのファミリは、低いFLOP体制における最先端技術よりも大きなパフォーマンス向上を実現している。例えば、MicroNet-M1は12のMFLOPを持つImageNet分類において61.1%のトップ-1の精度を達成し、MobileNetV3を11.3%上回っている。
論文参考訳（メタデータ） (2020-11-24T18:59:39Z)
Feature Flow: In-network Feature Flow Estimation for Video Object Detection [56.80974623192569]
光の流れはコンピュータビジョンのタスクで広く使われ、ピクセルレベルのモーション情報を提供する。一般的なアプローチは、ニューラルネットワークへの前向き光学フローと、タスクデータセット上のこのネットワークの微調整である。ビデオオブジェクト検出のための textbfIn-network textbfFeature textbfFlow 推定モジュールを用いた新しいネットワーク (IFF-Net) を提案する。
論文参考訳（メタデータ） (2020-09-21T07:55:50Z)
FDFlowNet: Fast Optical Flow Estimation using a Deep Lightweight Network [12.249680550252327]
我々はFDFlowNet(fast Deep Flownet)と呼ばれるリアルタイム光フロー推定のための軽量で効果的なモデルを提案する。我々は、PWC-Netの約2倍の速度で、挑戦的なKITTIとSintelベンチマークにおいて、より良い、あるいは同様の精度を達成する。
論文参考訳（メタデータ） (2020-06-22T14:01:01Z)
Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2020-04-06T15:51:00Z)

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。