Fugu-MT 論文翻訳(概要): Occlusion Handling in Generic Object Detection: A Review

論文の概要: Occlusion Handling in Generic Object Detection: A Review

arxiv url: http://arxiv.org/abs/2101.08845v1
Date: Thu, 21 Jan 2021 20:48:59 GMT
ステータス: 処理完了
システム内更新日: 2021-03-21 08:06:18.093440
Title: Occlusion Handling in Generic Object Detection: A Review
Title（参考訳）: ジェネリックオブジェクト検出におけるオクルージョンハンドリング
Authors: Kaziwa Saleh, S\'andor Sz\'en\'asi, Zolt\'an V\'amossy
Abstract要約: 屋外でも屋内でも汎用物体検出における閉塞処理の課題に対処します。本稿では,これらの課題を克服するための最近の取り組みについて述べる。
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: The significant power of deep learning networks has led to enormous development in object detection. Over the last few years, object detector frameworks have achieved tremendous success in both accuracy and efficiency. However, their ability is far from that of human beings due to several factors, occlusion being one of them. Since occlusion can happen in various locations, scale, and ratio, it is very difficult to handle. In this paper, we address the challenges in occlusion handling in generic object detection in both outdoor and indoor scenes, then we refer to the recent works that have been carried out to overcome these challenges. Finally, we discuss some possible future directions of research.
Abstract（参考訳）: ディープラーニングネットワークの強大な力は、オブジェクト検出に大きな発展をもたらした。ここ数年、オブジェクト検出フレームワークは精度と効率の両方で大きな成功を収めてきた。しかし、その能力はいくつかの要因から人間の能力とはかけ離れており、その1つである。閉塞は様々な場所、規模、比率で起こりうるため、対処は非常に困難である。本稿では,屋外および屋内の両方の場面における総合物体検出における隠蔽処理の課題に対処し,これらの課題を克服するための最近の研究について述べる。最後に,今後の研究の方向性について述べる。

関連論文リスト

Cross Domain Object Detection by Target-Perceived Dual Branch Distillation [49.68119030818388]
クロスドメインオブジェクト検出は、現実的で挑戦的なタスクです。本稿では,TDD(Target-perceived Dual-branch Distillation)フレームワークを提案する。私たちのTDDは、すべてのベンチマークで最先端のメソッドよりも大幅に優れています。
論文参考訳（メタデータ） (2022-05-03T03:51:32Z)
Contrastive Object Detection Using Knowledge Graph Embeddings [72.17159795485915]
一つのホットアプローチで学習したクラス埋め込みの誤差統計と、自然言語処理や知識グラフから意味的に構造化された埋め込みを比較した。本稿では,キーポイントベースおよびトランスフォーマーベースオブジェクト検出アーキテクチャの知識埋め込み設計を提案する。
論文参考訳（メタデータ） (2021-12-21T17:10:21Z)
AdaAfford: Learning to Adapt Manipulation Affordance for 3D Articulated Objects via Few-shot Interactions [15.867485566763715]
キャビネット、ドア、蛇口などの3D音声による物体の認識と相互作用は、将来のホームアシストロボットに特別な課題をもたらす。我々はAdaAffordという名の新しいフレームワークを提案し、より正確なインスタンス固有の後付けに手軽さを迅速に適応するために、ごく少数のテスト時間インタラクションを実行することを学習する。
論文参考訳（メタデータ） (2021-12-01T03:00:05Z)
Addressing Multiple Salient Object Detection via Dual-Space Long-Range Dependencies [3.8824028205733017]
正常なオブジェクト検出は多くの下流タスクで重要な役割を果たす。空間空間とチャネル空間の両方に非局所的特徴情報を組み込んだネットワークアーキテクチャを提案する。複雑なシナリオであっても,本手法は複数の有能な領域を正確に特定できることを示す。
論文参考訳（メタデータ） (2021-11-04T23:16:53Z)
3D Object Detection for Autonomous Driving: A Survey [14.772968858398043]
3次元物体検出は、そのような知覚システムの中核となる基礎となる。既存の努力にもかかわらず、ポイントクラウド上の3Dオブジェクト検出はまだ初期段階にある。近年, プロスとコンスを用いた最先端検出法が提案されている。
論文参考訳（メタデータ） (2021-06-21T03:17:20Z)
Learning to Track Object Position through Occlusion [32.458623495840904]
オクルージョンは、物体検出器やトラッカーが直面する最も重要な課題の1つである。本稿では,領域ベースビデオオブジェクト検出装置の成功に基づくトラッキング・バイ・検出手法を提案する。提案手法は,インターネットから収集した家具組立ビデオのデータセットにおいて,優れた結果が得られる。
論文参考訳（メタデータ） (2021-06-20T22:29:46Z)
Deep Learning on Monocular Object Pose Detection and Tracking: A Comprehensive Overview [8.442460766094674]
オブジェクトのポーズ検出と追跡は、自律運転、ロボット工学、拡張現実など、多くの分野で広く応用されているため、注目を集めている。ディープラーニングは、他のものよりも優れたパフォーマンスを示した最も有望なものです。本稿では,ディープラーニング技術経路に属するオブジェクトのポーズ検出と追跡の最近の進歩を概観する。
論文参考訳（メタデータ） (2021-05-29T12:59:29Z)
Recent Advances in Monocular 2D and 3D Human Pose Estimation: A Deep Learning Perspective [69.44384540002358]
この問題に対処するための包括的で包括的な2D-to-3D視点を提供する。 2014年からの主流とマイルストーンのアプローチを統一フレームワークで分類しています。また,ポーズ表現スタイル,ベンチマーク,評価指標,一般的なアプローチの定量的評価を要約した。
論文参考訳（メタデータ） (2021-04-23T11:07:07Z)
Learning to Track with Object Permanence [61.36492084090744]
共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
論文参考訳（メタデータ） (2021-03-26T04:43:04Z)
Towards Open World Object Detection [68.79678648726416]
ORE: Open World Object Detectorは、対照的なクラスタリングとエネルギーベースの未知の識別に基づいている。未知のインスタンスの識別と特徴付けは、インクリメンタルなオブジェクト検出設定における混乱を減らすのに役立ちます。
論文参考訳（メタデータ） (2021-03-03T18:58:18Z)
Detecting Invisible People [58.49425715635312]
我々は,追跡ベンチマークを再利用し,目立たない物体を検出するための新しい指標を提案する。私たちは、現在の検出および追跡システムがこのタスクで劇的に悪化することを実証します。第2に,最先端の単眼深度推定ネットワークによる観測結果を用いて,3次元で明示的に推論する動的モデルを構築した。
論文参考訳（メタデータ） (2020-12-15T16:54:45Z)

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。