論文の概要: Static object detection and segmentation in videos based on dual foregrounds difference with noise filtering

• arxiv url: http://arxiv.org/abs/2012.10708v1
• Date: Sat, 19 Dec 2020 15:01:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-01 11:10:43.644845
• Title: Static object detection and segmentation in videos based on dual foregrounds difference with noise filtering
• Title（参考訳）: 雑音フィルタリングによる2つの前景差に基づくビデオの静的物体検出とセグメンテーション
• Authors: Waqqas-ur-Rehman Butt and Martin Servin
• Abstract要約: 本稿では,映像中の静止物体検出とセグメンテーション手法について述べる。 提案手法は, 岩盤ブレーカー局に適用し, 実データ, 合成データ, および2つの公開データを用いて有効に検証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents static object detection and segmentation method in videos from cluttered scenes. Robust static object detection is still challenging task due to presence of moving objects in many surveillance applications. The level of difficulty is extremely influenced by on how you label the object to be identified as static that do not establish the original background but appeared in the video at different time. In this context, background subtraction technique based on the frame difference concept is applied to the identification of static objects. Firstly, we estimate a frame differencing foreground mask image by computing the difference of each frame with respect to a static reference frame. The Mixture of Gaussian MOG method is applied to detect the moving particles and then outcome foreground mask is subtracted from frame differencing foreground mask. Pre-processing techniques, illumination equalization and de-hazing methods are applied to handle low contrast and to reduce the noise from scattered materials in the air e.g. water droplets and dust particles. Finally, a set of mathematical morphological operation and largest connected-component analysis is applied to segment the object and suppress the noise. The proposed method was built for rock breaker station application and effectively validated with real, synthetic and two public data sets. The results demonstrate the proposed approach can robustly detect, segmented the static objects without any prior information of tracking.
• Abstract（参考訳）: 本稿では,映像中の静止物体検出とセグメンテーション手法について述べる。 多くの監視アプリケーションに移動オブジェクトが存在するため、ロバストな静的オブジェクト検出は依然として難しい課題である。 難易度は、元の背景を確立せず、異なるタイミングでビデオに現れる静的なオブジェクトとして識別されるオブジェクトのラベル付け方法に大きく影響されます。 この文脈では、静的オブジェクトの識別にフレーム差分の概念に基づくバックグラウンドサブトラクション手法を適用する。 まず、静的参照フレームに対する各フレームの差を計算することにより、前景マスク画像のフレーム差を推定する。 移動粒子を検出するためにガウスMOG法の混合法を適用し, 前景マスクのフレーム差分から結果フォアグラウンドマスクを減算する。 低コントラスト処理や空気中の散乱材料のノイズ低減のために,前処理法,照明等化法,消光法を適用した。 水滴と塵の粒子。 最後に、物体を分割しノイズを抑制するために、数学的形態的操作と最大の連結成分分析を適用する。 提案手法は, 岩盤ブレーカー局に適用し, 実データ, 合成データおよび2つの公開データを用いて有効に検証した。 その結果,提案手法は静的オブジェクトを事前に追跡情報を持たずにロバストに検出し,セグメンテーションできることが実証された。

関連論文リスト

• The Background Also Matters: Background-Aware Motion-Guided Objects Discovery [2.6442319761949875]
  本研究では,背景認識型動き誘導物体探索法を提案する。 我々は光学的流れから抽出した移動物体のマスクを活用し、学習機構を設計し、それらを真の前景に拡張する。 これにより、オブジェクト発見タスクとオブジェクト/非オブジェクト分離の合同学習が可能になる。
  論文  参考訳（メタデータ） (2023-11-05T12:35:47Z)
• ZoomNeXt: A Unified Collaborative Pyramid Network for Camouflaged Object Detection [70.11264880907652]
  最近のオブジェクト(COD)は、現実のシナリオでは極めて複雑で難しい、視覚的にブレンドされたオブジェクトを周囲に分割しようと試みている。 本研究では,不明瞭な画像を観察したり,ズームインしたりアウトしたりする際の人間の行動を模倣する,効果的な統合協調ピラミッドネットワークを提案する。 我々のフレームワークは、画像とビデオのCODベンチマークにおいて、既存の最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2023-10-31T06:11:23Z)
• Diffusion Model for Camouflaged Object Detection [2.592600158870236]
  本稿では,拡散型物体検出のための拡散型フレームワーク diffCOD を提案する。 提案手法は,既存の11種類の最先端手法と比較して良好な性能を示す。
  論文  参考訳（メタデータ） (2023-08-01T05:50:33Z)
• D$^2$NeRF: Self-Supervised Decoupling of Dynamic and Static Objects from a Monocular Video [23.905013304668426]
  モノクロ映像が与えられたとき、静的環境を回復しながら動的オブジェクトを分割して分離することは、マシンインテリジェンスにおいて広く研究されている問題である。 Decoupled Dynamic Neural Radiance Field (D$2$NeRF) は、モノクロ映像を撮り、3Dシーンの表現を学習する自己教師型アプローチである。
  論文  参考訳（メタデータ） (2022-05-31T14:41:24Z)
• Discovering Objects that Can Move [55.743225595012966]
  手動ラベルなしでオブジェクトを背景から分離する、オブジェクト発見の問題について検討する。 既存のアプローチでは、色、テクスチャ、位置などの外観の手がかりを使用して、ピクセルをオブジェクトのような領域に分類する。 私たちは、動的オブジェクト -- 世界で独立して動くエンティティ -- にフォーカスすることを選びます。
  論文  参考訳（メタデータ） (2022-03-18T21:13:56Z)
• You Better Look Twice: a new perspective for designing accurate detectors with reduced computations [56.34005280792013]
  BLT-netは、新しい低計算の2段階オブジェクト検出アーキテクチャである。 非常にエレガントな第1ステージを使用して、オブジェクトをバックグラウンドから分離することで、計算を削減します。 結果のイメージ提案は、高度に正確なモデルによって第2段階で処理される。
  論文  参考訳（メタデータ） (2021-07-21T12:39:51Z)
• Event-based Motion Segmentation with Spatio-Temporal Graph Cuts [51.17064599766138]
  イベントベースカメラで取得したオブジェクトを独立に識別する手法を開発した。 この方法は、予想される移動物体の数を事前に決定することなく、技術状態よりも同等以上の性能を発揮する。
  論文  参考訳（メタデータ） (2020-12-16T04:06:02Z)
• Moving object detection for visual odometry in a dynamic environment based on occlusion accumulation [31.143322364794894]
  RGB-D画像を用いた移動物体検出アルゴリズムを提案する。 提案アルゴリズムは,背景モデルの推定を必要としない。 二乗回帰重みを持つVO法として高密度視覚計測(DVO)を用いる。
  論文  参考訳（メタデータ） (2020-09-18T11:01:46Z)
• DyStaB: Unsupervised Object Segmentation via Dynamic-Static Bootstrapping [72.84991726271024]
  我々は,コヒーレントなシーン全体を移動しているように見えるシーンの画像の一部を検出し,分割するための教師なしの手法について述べる。 提案手法はまず,セグメント間の相互情報を最小化することにより,運動場を分割する。 セグメントを使用してオブジェクトモデルを学習し、静的なイメージの検出に使用することができる。
  論文  参考訳（メタデータ） (2020-08-16T22:05:13Z)
• Towards Noise-resistant Object Detection with Noisy Annotations [119.63458519946691]
  ディープオブジェクト検出器の訓練には、正確なオブジェクトラベルとバウンディングボックス座標を持つ、相当量の人間の注釈画像が必要である。 ノイズの多いアノテーションはずっと簡単にアクセスできますが、学習には有害かもしれません。 ノイズにはラベルノイズとバウンディングボックスノイズが混在している。
  論文  参考訳（メタデータ） (2020-03-03T01:32:16Z)

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。