論文の概要: Discriminative and Semantic Feature Selection for Place Recognition towards Dynamic Environments

• arxiv url: http://arxiv.org/abs/2103.10023v1
• Date: Thu, 18 Mar 2021 05:11:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-20 03:51:21.753449
• Title: Discriminative and Semantic Feature Selection for Place Recognition towards Dynamic Environments
• Title（参考訳）: 動的環境に対する位置認識のための識別的・意味的特徴選択
• Authors: Yuxin Tian, Jinyu MIao, Xingming Wu, Haosong Yue, Zhong Liu, Weihai Chen
• Abstract要約: DSFeatと呼ばれる識別的・意味的特徴選択ネットワークを提案する。 セマンティック情報とアテンション機構の両方によって監督され、特徴の画素単位の安定性を推定できる。 私たちの提案は、任意の機能ベースのSLAMシステムに簡単にプラグインできることに注意してください。
• 参考スコア（独自算出の注目度）: 12.973423183330961
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Features play an important role in various visual tasks, especially in visual place recognition applied in perceptual changing environments. In this paper, we address the challenges of place recognition due to dynamics and confusable patterns by proposing a discriminative and semantic feature selection network, dubbed as DSFeat. Supervised by both semantic information and attention mechanism, we can estimate pixel-wise stability of features, indicating the probability of a static and stable region from which features are extracted, and then select features that are insensitive to dynamic interference and distinguishable to be correctly matched. The designed feature selection model is evaluated in place recognition and SLAM system in several public datasets with varying appearances and viewpoints. Experimental results conclude that the effectiveness of the proposed method. It should be noticed that our proposal can be readily pluggable into any feature-based SLAM system.
• Abstract（参考訳）: 様々な視覚的タスク、特に知覚変化環境に適用される視覚的位置認識において、特徴は重要な役割を果たす。 本稿では,DSFeatと呼ばれる識別的・意味的特徴選択ネットワークを提案することにより,動的・不整合パターンによる位置認識の課題に対処する。 セマンティクス情報とアテンション機構の両方によって監視され、特徴が抽出された静的かつ安定な領域の確率を示す特徴の画素単位での安定性を推定し、動的干渉に影響を受けず、正しくマッチングできる特徴を選択することができる。 デザインされた特徴選択モデルは、様々な外観と視点を持つ複数の公開データセットにおいて、位置認識とSLAMシステムで評価される。 実験の結果,提案手法の有効性が示唆された。 私たちの提案は、機能ベースのSLAMシステムに簡単にプラグインできることに注意してください。

関連論文リスト

• An Information Compensation Framework for Zero-Shot Skeleton-based Action Recognition [49.45660055499103]
  ゼロショットの人間の骨格に基づく行動認識は、トレーニング中に見られるカテゴリ外の行動を認識するモデルを構築することを目的としている。 従来の研究では、シーケンスの視覚的空間分布と意味的空間分布の整合性に焦点が当てられていた。 強固で頑健な表現を得るために,新たな損失関数サンプリング手法を提案する。
  論文  参考訳（メタデータ） (2024-06-02T06:53:01Z)
• High-Discriminative Attribute Feature Learning for Generalized Zero-Shot Learning [54.86882315023791]
  一般化ゼロショット学習(HDAFL)のための高識別属性特徴学習(High-Discriminative Attribute Feature Learning)という革新的な手法を提案する。 HDAFLは複数の畳み込みカーネルを使用して、画像の属性と高い相関性を持つ識別領域を自動的に学習する。 また、属性間の識別能力を高めるために、Transformerベースの属性識別エンコーダを導入する。
  論文  参考訳（メタデータ） (2024-04-07T13:17:47Z)
• Selective Domain-Invariant Feature for Generalizable Deepfake Detection [21.671221284842847]
  本稿では,コンテンツの特徴やスタイルを融合させることにより,顔の偽造に対する感受性を低下させる新しいフレームワークを提案する。 既存のベンチマークと提案における質的および定量的な結果の両方が、我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2024-03-19T13:09:19Z)
• Reinforcement-based Display-size Selection for Frugal Satellite Image Change Detection [5.656581242851759]
  能動学習に基づく対話型衛星画像変化検出アルゴリズムを提案する。 提案手法は反復的であり,最も重要な画像のラベルについてユーザ(オーラル)を軽率に探索する。
  論文  参考訳（メタデータ） (2023-12-28T11:14:43Z)
• Learning Common Rationale to Improve Self-Supervised Representation for Fine-Grained Visual Recognition Problems [61.11799513362704]
  我々は、インスタンスやクラスでよく見られる差別的手がかりを識別するための、追加のスクリーニングメカニズムの学習を提案する。 SSL目標から誘導されるGradCAMを単純に利用することで、共通な有理性検出器が学習可能であることを示す。
  論文  参考訳（メタデータ） (2023-03-03T02:07:40Z)
• Learning Diversified Feature Representations for Facial Expression Recognition in the Wild [97.14064057840089]
  本稿では,CNN層が抽出した顔表情認識アーキテクチャの特徴を多様化する機構を提案する。 AffectNet,FER+,RAF-DBの3つの顔表情認識実験の結果,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-10-17T19:25:28Z)
• VFDS: Variational Foresight Dynamic Selection in Bayesian Neural Networks for Efficient Human Activity Recognition [81.29900407096977]
  変動予測動的選択(VFDS)は、観測する次の機能サブセットを選択するポリシーを学ぶ。 本稿では,その実践においてパフォーマンスコストのトレードオフが重要となるヒューマンアクティビティ認識(HAR)タスクに,VFDSを適用した。
  論文  参考訳（メタデータ） (2022-03-31T22:52:43Z)
• EEGminer: Discovering Interpretable Features of Brain Activity with Learnable Filters [72.19032452642728]
  本稿では,学習可能なフィルタと事前決定された特徴抽出モジュールからなる新しい識別可能なEEGデコーディングパイプラインを提案する。 我々は,SEEDデータセットおよび前例のない大きさの新たな脳波データセット上で,脳波信号からの感情認識に向けたモデルの有用性を実証する。 発見された特徴は、以前の神経科学の研究と一致し、音楽聴取中の左右の時間領域間の機能的接続プロファイルの顕著な相違など、新たな洞察を提供する。
  論文  参考訳（メタデータ） (2021-10-19T14:22:04Z)
• Feature selection for gesture recognition in Internet-of-Things for healthcare [10.155382321743181]
  ジェスチャー認識の文脈では、脳波とEMGを同時に記録して、達成されているジェスチャーと、そのパフォーマンスの質を識別することができる。 そこで本研究では, (i) 選択した特徴の自然な意味を維持するために, (i) 最も重要な特徴をしっかりと抽出し, (ii) 異なる把握課題を分類することを目的とした新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-22T06:54:53Z)

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。