論文の概要: Points as Queries: Weakly Semi-supervised Object Detection by Points

• arxiv url: http://arxiv.org/abs/2104.07434v1
• Date: Thu, 15 Apr 2021 13:08:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-16 14:55:19.297128
• Title: Points as Queries: Weakly Semi-supervised Object Detection by Points
• Title（参考訳）: クエリとしてのポイント:ポイントによる弱半教師付きオブジェクト検出
• Authors: Liangyu Chen, Tong Yang, Xiangyu Zhang, Wei Zhang and Jian Sun
• Abstract要約: ポイントエンコーダを追加してDETRを拡張する新しい検出器、Point DETRを紹介します。 特に、COCOから20%のラベル付きデータを使用する場合、検知器は33.3 APという有望な性能を達成する。
• 参考スコア（独自算出の注目度）: 25.286468630229592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a novel point annotated setting for the weakly semi-supervised object detection task, in which the dataset comprises small fully annotated images and large weakly annotated images by points. It achieves a balance between tremendous annotation burden and detection performance. Based on this setting, we analyze existing detectors and find that these detectors have difficulty in fully exploiting the power of the annotated points. To solve this, we introduce a new detector, Point DETR, which extends DETR by adding a point encoder. Extensive experiments conducted on MS-COCO dataset in various data settings show the effectiveness of our method. In particular, when using 20% fully labeled data from COCO, our detector achieves a promising performance, 33.3 AP, which outperforms a strong baseline (FCOS) by 2.0 AP, and we demonstrate the point annotations bring over 10 points in various AR metrics.
• Abstract（参考訳）: そこで本研究では,弱い半教師付きオブジェクト検出タスクに対して,小さな完全注釈付き画像と大きな弱注釈付き画像からなる新たなポイントアノテート設定を提案する。 膨大なアノテーションの負担と検出性能のバランスを実現します。 この設定に基づき、既存の検出器を分析し、これらの検出器が注釈付点のパワーを十分に活用することが困難であることを突き止めた。 そこで本研究では,ポイントエンコーダを付加してDETRを拡張する新しい検出器であるPoint DETRを導入する。 各種データ設定におけるMS-COCOデータセットの大規模な実験により,本手法の有効性が示された。 特に、cocoから20%の完全なラベル付きデータを使用する場合、この検出器は、強力なベースライン(fcos)を2.0 apで上回る33.3 apという有望な性能を達成でき、ポイントアノテーションが様々なarメトリクスに10ポイント以上をもたらすことを実証する。

関連論文リスト

• 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)
• Point-Teaching: Weakly Semi-Supervised Object Detection with Point Annotations [81.02347863372364]
  本稿では,弱い半教師付きオブジェクト検出フレームワークであるPoint-Teachingを提案する。 具体的には,ポイントアノテート画像の擬似ラベルを生成するためのハンガリーの点マッチング手法を提案する。 そこで本研究では,不整合点の影響を低減するため,単純なyet- effective data augmentation(ポイント誘導コピーペースト)を提案する。
  論文  参考訳（メタデータ） (2022-06-01T07:04:38Z)
• Object Localization under Single Coarse Point Supervision [107.46800858130658]
  本稿では,粗い点アノテーションを用いたPOL手法を提案する。 CPRは、ポイントバッグを構築し、セマンティック関連点を選択し、マルチインスタンス学習(MIL)を通してセマンティックセンターポイントを生成する。 このようにして、CPRは、粗い点監督の下で高性能オブジェクトローカライザのトレーニングを保証する、弱い制御された進化手順を定義する。
  論文  参考訳（メタデータ） (2022-03-17T14:14:11Z)
• SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object Detection [78.90102636266276]
  SASA(Semantics-Augmented Set Abstraction)と呼ばれる新しい集合抽象化手法を提案する。 そこで本研究では, 推定点前景スコアに基づいて, より重要な前景点の維持を支援するセマンティックス誘導点サンプリングアルゴリズムを提案する。 実際には、SASAは、前景オブジェクトに関連する貴重な点を識別し、ポイントベースの3D検出のための特徴学習を改善するのに有効である。
  論文  参考訳（メタデータ） (2022-01-06T08:54:47Z)
• Rethinking the Aligned and Misaligned Features in One-stage Object Detection [9.270523894683278]
  1段階の物体検出器は、検出結果を予測するために点特徴に依存する。 タスク毎に整列および非整合性を生成できるシンプルでプラグイン演算子を提案する。 OAT(object-aligned and task-disentangled operator)に基づくOAT-Netを提案する。
  論文  参考訳（メタデータ） (2021-08-27T08:40:37Z)
• WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
  弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。 エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。 提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
  論文  参考訳（メタデータ） (2021-05-21T11:58:50Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,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） (2020-11-19T05:42:02Z)
• EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with Cascade Refinement [53.69674636044927]
  本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。 完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。 完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-18T08:04:58Z)

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。