論文の概要: Infrared image pedestrian target detection based on Yolov3 and migration learning

• arxiv url: http://arxiv.org/abs/2012.11185v1
• Date: Mon, 21 Dec 2020 08:55:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-29 08:21:06.790848
• Title: Infrared image pedestrian target detection based on Yolov3 and migration learning
• Title（参考訳）: Yolov3に基づく赤外画像歩行者目標検出とマイグレーション学習
• Authors: Shengqi Geng
• Abstract要約: 本論文では、移動学習手法を用いてYOLOv3モデルを適用し、赤外線画像における歩行者ターゲット検出を実現する。 CVCデータセットの歩行者検出タスクでは、Yolov3モデルの平均精度(AP)は96.35%に達し、Diou-Yolov3モデルの平均精度は72.14%であるが、後者は損失曲線の収束率が速い。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the gradual application of infrared night vision vehicle assistance system in automatic driving, the accuracy of the collected infrared images of pedestrians is gradually improved. In this paper, the migration learning method is used to apply YOLOv3 model to realize pedestrian target detection in infrared images. The target detection model YOLOv3 is migrated to the CVC infrared pedestrian data set, and Diou loss is used to replace the loss function of the original YOLO model to test different super parameters to obtain the best migration learning effect. The experimental results show that in the pedestrian detection task of CVC data set, the average accuracy (AP) of Yolov3 model reaches 96.35%, and that of Diou-Yolov3 model is 72.14%, but the latter has a faster convergence rate of loss curve. The effect of migration learning can be obtained by comparing the two models.
• Abstract（参考訳）: 自動走行における赤外線暗視車両支援システムの段階的適用により、歩行者の収集した赤外線画像の精度が徐々に向上する。 本稿では、移動学習法を用いて、YOLOv3モデルを用いて、赤外線画像における歩行者目標検出を実現する。 目標検出モデルYOLOv3は、CVC赤外線歩行者データセットに移行し、ダイオー損失を使用して、元のYOLOモデルの損失関数を置き換えることにより、異なるスーパーパラメータのテストを行い、最高のマイグレーション学習効果を得る。 実験の結果,CVCデータセットの歩行者検出タスクでは,平均精度(AP)が96.35%,Diou-Yolov3モデルが72.14%,後者が損失曲線の収束速度が速いことがわかった。 移行学習の効果は2つのモデルを比較して得られる。

関連論文リスト

• Research on vehicle detection based on improved YOLOv8 network [0.0]
  本稿では,改良型YOLOv8車両検出手法を提案する。 改良されたモデルは98.3%、89.1%、そして88.4%の精度で車、人、オートバイを検出できる。
  論文  参考訳（メタデータ） (2024-12-31T06:19:26Z)
• YOLO-ELA: Efficient Local Attention Modeling for High-Performance Real-Time Insulator Defect Detection [0.0]
  無人航空機からの絶縁体欠陥検出のための既存の検出方法は、複雑な背景や小さな物体と競合する。 本稿では,この課題に対処するため,新しい注目基盤アーキテクチャであるYOLO-ELAを提案する。 高分解能UAV画像による実験結果から,本手法は96.9% mAP0.5,リアルタイム検出速度74.63フレーム/秒を実現した。
  論文  参考訳（メタデータ） (2024-10-15T16:00:01Z)
• Optimizing YOLO Architectures for Optimal Road Damage Detection and Classification: A Comparative Study from YOLOv7 to YOLOv10 [0.0]
  本稿では,ディープラーニングモデルを用いた道路損傷検出のための総合ワークフローを提案する。 ハードウェアの制約を満たすため、大きな画像が収穫され、軽量モデルが利用される。 提案手法では,コーディネートアテンションレイヤを備えたカスタムYOLOv7モデルや,Tiny YOLOv7モデルなど,複数のモデルアーキテクチャを採用している。
  論文  参考訳（メタデータ） (2024-10-10T22:55:12Z)
• A lightweight YOLOv5-FFM model for occlusion pedestrian detection [1.62877896907106]
  ヨロは、効率的で単純な1段階目標検出法であり、様々な環境における歩行者検出によく用いられる。 本稿では,これらの問題に対処する軽量YOLOv5モデルを提案する。 このモデルは浮動小数点演算(FLOP)の少ない歩行者検出精度を向上させることができる。
  論文  参考訳（メタデータ） (2024-08-13T04:42:02Z)
• SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised Learning for Robust Infrared Small Target Detection [53.19618419772467]
  単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。 Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。 赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-08T16:14:54Z)
• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• Pre-Training LiDAR-Based 3D Object Detectors Through Colorization [65.03659880456048]
  我々は,データとラベルのギャップを埋めるために,革新的な事前学習手法であるグラウンドドポイントカラー化(GPC)を導入する。 GPCは、LiDAR点雲を色付けし、価値あるセマンティック・キューを装備するモデルを教えている。 KITTIとデータセットの実験結果は、GPCの顕著な効果を示している。
  論文  参考訳（メタデータ） (2023-10-23T06:00:24Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Diffusion-based 3D Object Detection with Random Boxes [58.43022365393569]
  既存のアンカーベースの3D検出方法は、アンカーの実証的な設定に依存しており、アルゴリズムはエレガンスを欠いている。 提案するDiff3Detは,検出ボックスを生成対象として考慮し,拡散モデルから3次元オブジェクト検出のための提案生成へ移行する。 推論段階では、モデルは予測結果にランダムボックスのセットを徐々に洗練する。
  論文  参考訳（メタデータ） (2023-09-05T08:49:53Z)
• Supervised learning for improving the accuracy of robot-mounted 3D camera applied to human gait analysis [0.31171750528972203]
  歩行分析における3Dカメラの使用は、過去に実証された低い精度のため、非常に疑問視されている。 3Dカメラは、より長い歩行距離を得るために移動ロボットに搭載された。 本研究は,カメラの生推定を後処理することで,運動歩行信号と歩行記述子の検出の改善を示す。
  論文  参考訳（メタデータ） (2022-07-03T10:35:18Z)
• A lightweight and accurate YOLO-like network for small target detection in Aerial Imagery [94.78943497436492]
  小型ターゲット検出のためのシンプルで高速で効率的なネットワークであるYOLO-Sを提案する。 YOLO-SはDarknet20をベースとした小さな特徴抽出器と、バイパスと連結の両方を通じて接続をスキップする。 YOLO-Sはパラメータサイズが87%減少し、約半分のFLOPがYOLOv3となり、低消費電力の産業用アプリケーションに実用化された。
  論文  参考訳（メタデータ） (2022-04-05T16:29:49Z)

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。