Fugu-MT 論文翻訳(概要): OnTarget: An Electronic Archery Scoring

論文の概要: OnTarget: An Electronic Archery Scoring

arxiv url: http://arxiv.org/abs/2104.01622v1
Date: Sun, 4 Apr 2021 15:02:32 GMT
ステータス: 処理完了
システム内更新日: 2021-04-07 04:51:43.503993
Title: OnTarget: An Electronic Archery Scoring
Title（参考訳）: OnTarget:電子アーチの装飾
Authors: Andreea Danielescu
Abstract要約: 光量の変動、複数の画像からの目標の再構成、目標設定の変動、フィルタリングノイズは、このスコアリングシステムの作成において大きな課題であった。本稿では,矢がターゲットに当たった場合のアプローチについて検討し,必要な精度を保ちつつ,ロバストな矢印検出の難易度のバランスをとったアルゴリズムを提案する。
参考スコア（独自算出の注目度）: 3.5027291542274357
License: http://creativecommons.org/licenses/by/4.0/
Abstract: There are several challenges in creating an electronic archery scoring system using computer vision techniques. Variability of light, reconstruction of the target from several images, variability of target configuration, and filtering noise were significant challenges during the creation of this scoring system. This paper discusses the approach used to determine where an arrow hits a target, for any possible single or set of targets and provides an algorithm that balances the difficulty of robust arrow detection while retaining the required accuracy.
Abstract（参考訳）: コンピュータビジョン技術を用いた電子アーチェリースコアリングシステムの作成にはいくつかの課題がある。光量の変動、複数の画像からの目標の再構成、目標設定の変動、フィルタリングノイズは、このスコアリングシステムの作成において大きな課題であった。本稿では,矢印が標的に当たる場所を決定するためのアプローチについて論じ,必要な精度を維持しながら矢印検出の難しさのバランスをとるアルゴリズムを提案する。

関連論文リスト

Infrared Small Target Detection based on Adjustable Sensitivity Strategy and Multi-Scale Fusion [2.661766509317245]
調整可能な感度(AS)戦略とマルチスケール融合に基づく改良された赤外線小ターゲット検出手法を提案する。具体的には、マルチスケール方向対応ネットワーク(MSDA-Net)に基づくマルチスケールモデル融合フレームワークを構築する。このスキームは、PRCV 2024ワイドエリア赤外線小目標検出競技で優勝した。
論文参考訳（メタデータ） (2024-07-29T15:22:02Z)
RobotKeyframing: Learning Locomotion with High-Level Objectives via Mixture of Dense and Sparse Rewards [15.79235618199162]
本稿では,脚ロボットのための新しい学習ベース制御フレームワークを提案する。脚のあるロボットの自然な移動における高レベルな目標を取り入れている。マルチクリティック強化学習アルゴリズムを用いて、密集した報酬とスパース報酬の混合を処理する。
論文参考訳（メタデータ） (2024-07-16T10:15:35Z)
Reinforcement Learning for Agile Active Target Sensing with a UAV [10.070339628481445]
本稿では,情報トラジェクトリを計画するための深層強化学習手法を開発する。ターゲット状態に対する現在の信念を活用し、高忠実度分類のための不正確なセンサーモデルを含む。提案手法の特異な特徴は,真の目標分布から様々な量の偏差が生じることにある。
論文参考訳（メタデータ） (2022-12-16T01:01:17Z)
Object-fabrication Targeted Attack for Object Detection [54.10697546734503]
物体検出の敵攻撃は標的攻撃と未標的攻撃を含む。新たなオブジェクトファブリケーションターゲット攻撃モードは、特定のターゲットラベルを持つ追加の偽オブジェクトをファブリケートする検出器を誤解させる可能性がある。
論文参考訳（メタデータ） (2022-12-13T08:42:39Z)
Discrete Factorial Representations as an Abstraction for Goal Conditioned Reinforcement Learning [99.38163119531745]
離散化ボトルネックを適用することにより,目標条件付きRLセットアップの性能が向上することを示す。分布外目標に対する期待した回帰を実験的に証明し、同時に表現的な構造で目標を指定できるようにします。
論文参考訳（メタデータ） (2022-11-01T03:31:43Z)
AcroFOD: An Adaptive Method for Cross-domain Few-shot Object Detection [59.10314662986463]
クロスドメインの少数ショットオブジェクト検出は、いくつかの注釈付きターゲットデータで対象ドメイン内のオブジェクト検出器を適応することを目的としている。提案手法は,複数のベンチマーク上での最先端性能を実現する。
論文参考訳（メタデータ） (2022-09-22T10:23:40Z)
Incremental-DETR: Incremental Few-Shot Object Detection via Self-Supervised Learning [60.64535309016623]
本稿では,DeTRオブジェクト検出器上での微調整および自己教師型学習によるインクリメンタル・デクリメンタル・デクリメンタル・デクリメンタル・オブジェクト検出を提案する。まず,DeTRのクラス固有のコンポーネントを自己監督で微調整する。さらに,DeTRのクラス固有のコンポーネントに知識蒸留を施した数発の微調整戦略を導入し,破滅的な忘れを伴わずに新しいクラスを検出するネットワークを奨励する。
論文参考訳（メタデータ） (2022-05-09T05:08:08Z)
Uncertainty with UAV Search of Multiple Goal-oriented Targets [25.918290198644122]
本稿では,不確実性下でのUAVの探索対象の複雑な問題について考察する。エントロピーと時間的信念を組み合わせた,UAVのためのリアルタイムアルゴリズムフレームワークを提案する。我々は,アルゴリズムの枠組みを実証的に評価し,その効率と大幅な性能向上を実証した。
論文参考訳（メタデータ） (2022-03-03T09:57:00Z)
Learning Target Candidate Association to Keep Track of What Not to Track [100.80610986625693]
目標を追尾し続けるために、逸脱物を追跡することを提案します。視覚的トラッキングにおいて, トラクタオブジェクト間の接地トルース対応を欠く問題に対処するために, 部分アノテーションと自己監督を組み合わせたトレーニング戦略を提案する。我々のトラッカーは6つのベンチマークで新しい最先端のベンチマークを設定し、AUCスコアはLaSOTで67.2%、OxUvA長期データセットで+6.1%向上した。
論文参考訳（メタデータ） (2021-03-30T17:58:02Z)
SPAA: Stealthy Projector-based Adversarial Attacks on Deep Image Classifiers [82.19722134082645]
本稿では,ステルスプロジェクタを用いた対向攻撃を提案する。 PCNetというディープニューラルネットワークを用いて実際のプロジェクトとキャプチャ操作を推定します。実験の結果,SPAAは高い攻撃成功率を達成し,他の手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2020-12-10T18:14:03Z)
Blending of Learning-based Tracking and Object Detection for Monocular Camera-based Target Following [2.578242050187029]
本稿では,ジェネリックターゲットトラッカーとオブジェクト検出モジュールを対象再識別モジュールと融合するリアルタイムアプローチを提案する。本研究は,進化的リカレントニューラルネットワークを用いたオブジェクトトラッカーの性能向上に重点を置いている。
論文参考訳（メタデータ） (2020-08-21T18:44:35Z)

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。