Fugu-MT 論文翻訳(概要): Multi-target detection with rotations

論文の概要: Multi-target detection with rotations

arxiv url: http://arxiv.org/abs/2101.07709v1
Date: Tue, 19 Jan 2021 16:20:01 GMT
ステータス: 処理完了
システム内更新日: 2021-03-22 11:10:25.084260
Title: Multi-target detection with rotations
Title（参考訳）: 回転を伴うマルチターゲット検出
Authors: Tamir Bendory, Ti-Yen Lan, Nicholas F. Marshall, Iris Rukshin, Amit Singer
Abstract要約: 大規模ノイズ計測画像から2次元目標画像を推定するマルチターゲット検出問題について考察する。単一粒子の低温電子顕微鏡を応用し,低信号対雑音状態に着目した。
参考スコア（独自算出の注目度）: 14.649457503983966
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We consider the multi-target detection problem of estimating a two-dimensional target image from a large noisy measurement image that contains many randomly rotated and translated copies of the target image. Motivated by single-particle cryo-electron microscopy, we focus on the low signal-to-noise regime, where it is difficult to estimate the locations and orientations of the target images in the measurement. Our approach uses autocorrelation analysis to estimate rotationally and translationally invariant features of the target image. We demonstrate that, regardless of the level of noise, our technique can be used to recover the target image when the measurement is sufficiently large.
Abstract（参考訳）: 対象画像の無作為に回転・翻訳された多くのコピーを含む大雑音計測画像から2次元目標画像を推定するマルチターゲット検出問題を考察する。単一粒子の低温電子顕微鏡を応用し,計測対象画像の位置と方向を推定することが困難である低信号対雑音状態に着目した。本手法は自己相関解析を用いて対象画像の回転的および翻訳的不変な特徴を推定する。本手法は,ノイズのレベルに関わらず,測定値が十分に大きい場合に対象画像の復元に有効であることを示す。

関連論文リスト

SaccadeDet: A Novel Dual-Stage Architecture for Rapid and Accurate Detection in Gigapixel Images [50.742420049839474]
SaccadeDetは、人間の目の動きにインスパイアされた、ギガピクセルレベルの物体検出のための革新的なアーキテクチャである。 PANDAデータセットを用いて評価した本手法は,最先端手法の8倍の高速化を実現する。また、全スライドイメージングへの応用を通じて、ギガピクセルレベルの病理解析に有意な可能性を示す。
論文参考訳（メタデータ） (2024-07-25T11:22:54Z)
DASSF: Dynamic-Attention Scale-Sequence Fusion for Aerial Object Detection [6.635903943457569]
元のYOLOアルゴリズムは、異なるスケールのターゲットを認識する能力の弱いため、全体的な検出精度が低い。本稿では,空中画像のターゲット検出のための動的アテンションスケール系列融合アルゴリズム(DASSF)を提案する。 DASSF法をYOLOv8nと比較すると,平均平均精度(mAP)は9.2%,2.4%増加した。
論文参考訳（メタデータ） (2024-06-18T05:26:44Z)
Dim Small Target Detection and Tracking: A Novel Method Based on Temporal Energy Selective Scaling and Trajectory Association [8.269449428849867]
本稿では,有効検出を実現するための時間的特徴に基づく空間的特徴と実現可能性に基づく難易度の分析を行う。この分析により,マルチフレームを検出単位とし,時間的エネルギー選択スケーリング(TESS)に基づく検出手法を提案する。対象画素に対して、画素を通過するターゲットは、画素によって形成される強度時間プロファイル(ITP)に弱い過渡的障害をもたらす。適切に設計された関数を用いて、過渡的障害を増幅し、背景成分と雑音成分を抑圧し、ターゲットの軌道を多フレーム検出ユニットに出力する。
論文参考訳（メタデータ） (2024-05-15T03:02:21Z)
View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
本稿では,屋外ロボットのための微細な自己局在化手法を提案する。提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。これは、動的環境における知覚を増強する初めての疎視のみの手法である。
論文参考訳（メタデータ） (2023-08-16T02:51:52Z)
Linear Object Detection in Document Images using Multiple Object Tracking [58.720142291102135]
線形オブジェクトは文書構造に関する実質的な情報を伝達する。多くのアプローチはベクトル表現を復元できるが、1994年に導入された1つのクローズドソース技術のみである。複数オブジェクト追跡を用いた文書画像中の線形オブジェクトの正確なインスタンスセグメンテーションのためのフレームワークを提案する。
論文参考訳（メタデータ） (2023-05-26T14:22:03Z)
A Coarse to Fine Framework for Object Detection in High Resolution Image [8.316322664637537]
オブジェクト検出の現在のアプローチでは、高解像度画像における小さなオブジェクトや大規模な分散問題を検出することはめったにない。本稿では,オブジェクト検出の精度を,特に小さなオブジェクトや大規模分散シーンに対して向上させる,シンプルで効率的なアプローチを提案する。提案手法は,高分解能画像における物体の空間と情報を有効利用することにより,より効率的に検出できる。
論文参考訳（メタデータ） (2023-03-02T13:04:33Z)
Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
論文参考訳（メタデータ） (2022-09-22T07:50:48Z)
Localisation And Imaging Methods for Moving Target Ghost Imaging Radar Based On Correlation Intensity Weighting [2.4969636271530726]
ゴーストイメージングレーダは、検出感度が高く、超高解像度で、対干渉性能が向上した新しい画像レーダである。レーダーシステムと目標の間の相対的な動きにより、ターゲット画像は劣化する。本稿では、粗目標の1フレーム画像の相関強度を重み付け、視野における単一目標の絶対位置定位を提案する。
論文参考訳（メタデータ） (2022-06-22T08:39:00Z)
Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
論文参考訳（メタデータ） (2022-04-10T19:16:58Z)
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)
Multiple Infrared Small Targets Detection based on Hierarchical Maximal Entropy Random Walk [12.10092482860325]
我々は,最大エントロピーランダムウォーク(MERW)から導かれる検出方法を確立し,複数の小目標を頑健に検出する。提案手法は, 目標強調, 背景抑圧, 複数小目標検出の観点から, 最先端の手法よりも優れている。
論文参考訳（メタデータ） (2020-10-02T11:11:34Z)

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。