論文の概要: SM+: Refined Scale Match for Tiny Person Detection

• arxiv url: http://arxiv.org/abs/2102.03558v1
• Date: Sat, 6 Feb 2021 10:34:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-09 15:42:58.537148
• Title: SM+: Refined Scale Match for Tiny Person Detection
• Title（参考訳）: SM+:Tiny Person 検出のためのrefined Scale Match
• Authors: Nan Jiang, Xuehui Yu, Xiaoke Peng, Yuqi Gong, Zhenjun Han
• Abstract要約: 小型人物検出のための改良されたスケールマッチング法(SM+)を提案する。 SM+は画像レベルからインスタンスレベルへのスケールマッチを改善し、事前トレーニングとターゲットデータセットの類似性を効果的に促進する。 様々な検出器を用いた実験により、SM+はTinyPersonの性能を著しく改善することが示された。
• 参考スコア（独自算出の注目度）: 11.544372490921097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting tiny objects ( e.g., less than 20 x 20 pixels) in large-scale images is an important yet open problem. Modern CNN-based detectors are challenged by the scale mismatch between the dataset for network pre-training and the target dataset for detector training. In this paper, we investigate the scale alignment between pre-training and target datasets, and propose a new refined Scale Match method (termed SM+) for tiny person detection. SM+ improves the scale match from image level to instance level, and effectively promotes the similarity between pre-training and target dataset. Moreover, considering SM+ possibly destroys the image structure, a new probabilistic structure inpainting (PSI) method is proposed for the background processing. Experiments conducted across various detectors show that SM+ noticeably improves the performance on TinyPerson, and outperforms the state-of-the-art detectors with a significant margin.
• Abstract（参考訳）: 大規模な画像で小さな物体(例えば20 x 20ピクセル未満)を検出することは、重要かつオープンな問題である。 現代のCNNベースの検出器は、ネットワーク事前トレーニング用データセットと検出器トレーニング用ターゲットデータセットのスケールミスマッチによって挑戦される。 本稿では,事前学習と目標データセットのアライメントについて検討し,小人数検出のための新しいスケールマッチング法(sm+)を提案する。 SM+は画像レベルからインスタンスレベルへのスケールマッチを改善し、事前トレーニングとターゲットデータセットの類似性を効果的に促進する。 さらに、sm+が画像構造を破壊する可能性があることを考慮し、背景処理のための新しい確率的構造インパインティング(psi)法を提案する。 さまざまな検出器で行われた実験では、SM+はTinyPersonの性能を著しく改善し、最先端の検出器を有意なマージンで上回ることが示されています。

関連論文リスト

• Rethinking Annotation for Object Detection: Is Annotating Small-size Instances Worth Its Cost? [19.54008511592332]
  本研究では,テスト時に入力画像をアップスケールする手法と,トレーニング時にイメージをダウンスケールする手法を評価する。 本手法では, 異なるスケールの入力画像に対して同じ検出器を2回適用する必要があるが, 蒸留により同一のベースライン検出器と同等に機能する単一パス検出器が得られることを示す。
  論文  参考訳（メタデータ） (2024-12-07T10:54:01Z)
• Better Sampling, towards Better End-to-end Small Object Detection [7.7473020808686694]
  限られた特性と高密度と相互重なり合いのため、小さな物体検出は不満足なままである。 エンド・ツー・エンド・フレームワークにおけるサンプリングの強化手法を提案する。 我々のモデルは、VisDroneデータセット上での最先端(SOTA)よりも平均精度(AP)が2.9%向上することを示す。
  論文  参考訳（メタデータ） (2024-05-17T04:37:44Z)
• 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-similarity Driven Scale-invariant Learning for Weakly Supervised Person Search [66.95134080902717]
  自己相似性駆動型スケール不変学習(SSL)という新しいワンステップフレームワークを提案する。 本稿では,ネットワークを前景と学習スケール不変の機能に集中させるための,マルチスケール・エクステンプラー・ブランチを提案する。 PRWおよびCUHK-SYSUデータベースの実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-02-25T04:48:11Z)
• SSPNet: Scale Selection Pyramid Network for Tiny Person Detection from UAV Images [10.439155825343517]
  小型人検出のためのSSPNet(Scale Selection Pyramid Network)を提案する。 SSPNetは、コンテキスト注意モジュール(CAM)、スケール拡張モジュール(SEM)、スケール選択モジュール(SSM)の3つのコンポーネントから構成される。 我々の方法は、他の最先端検出器(SOTA)よりも優れている。
  論文  参考訳（メタデータ） (2021-07-04T05:46:41Z)
• Scale-aware Automatic Augmentation for Object Detection [63.087930708444695]
  オブジェクト検出のためのデータ拡張ポリシーを学ぶために,Scale-aware AutoAugを提案する。 実験では、Scale-aware AutoAugはさまざまな物体検出器に有意で一貫した改善をもたらす。
  論文  参考訳（メタデータ） (2021-03-31T17:11:14Z)
• Object Detection Made Simpler by Eliminating Heuristic NMS [70.93004137521946]
  単純なNMSのないエンドツーエンドのオブジェクト検出フレームワークを示す。 検出精度は元の1段検出器と比べて同等か、さらに向上した。
  論文  参考訳（メタデータ） (2021-01-28T02:38:29Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)
• Improving Few-shot Learning by Spatially-aware Matching and CrossTransformer [116.46533207849619]
  数ショット学習シナリオにおけるスケールと位置ミスマッチの影響について検討する。 本稿では,複数のスケールや場所のマッチングを効果的に行うための,空間認識型マッチング手法を提案する。
  論文  参考訳（メタデータ） (2020-01-06T14:10:20Z)

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。