論文の概要: TricubeNet: 2D Kernel-Based Object Representation for Weakly-Occluded Oriented Object Detection

• arxiv url: http://arxiv.org/abs/2104.11435v1
• Date: Fri, 23 Apr 2021 06:50:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-26 13:07:58.200160
• Title: TricubeNet: 2D Kernel-Based Object Representation for Weakly-Occluded Oriented Object Detection
• Title（参考訳）: TricubeNet:2Dカーネルによるオブジェクト指向検出のためのオブジェクト表現
• Authors: Beomyoung Kim, Janghyeon Lee, Sihaeng Lee, Doyeon Kim, and Junmo Kim
• Abstract要約: 本稿では,アンカーフリーのワンステージディテクタである指向オブジェクト検出の新たなアプローチを提案する。 このアプローチはTricubeNetと呼ばれ、各オブジェクトを2D Tricubeカーネルとして表現し、外見ベースの後処理を用いて境界ボックスを抽出する。
• 参考スコア（独自算出の注目度）: 24.44389034373491
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a new approach for oriented object detection, an anchor-free one-stage detector. This approach, named TricubeNet, represents each object as a 2D Tricube kernel and extracts bounding boxes using appearance-based post-processing. Unlike existing anchor-based oriented object detectors, we can save the computational complexity and the number of hyperparameters by eliminating the anchor box in the network design. In addition, by adopting a heatmap-based detection process instead of the box offset regression, we simply and effectively solve the angle discontinuity problem, which is one of the important problems for oriented object detection. To further boost the performance, we propose some effective techniques for the loss balancing, extracting the rotation-invariant feature, and heatmap refinement. To demonstrate the effectiveness of our TricueNet, we experiment on various tasks for the weakly-occluded oriented object detection. The extensive experimental results show that our TricueNet is highly effective and competitive for oriented object detection. The code is available at https://github.com/qjadud1994/TricubeNet.
• Abstract（参考訳）: そこで我々は,アンカーフリーの1段検出器であるオブジェクト指向物体検出の新しい手法を提案する。 このアプローチはTricubeNetと呼ばれ、各オブジェクトを2D Tricubeカーネルとして表現し、外見ベースの後処理を用いて境界ボックスを抽出する。 既存のアンカーに基づく指向オブジェクト検出器とは異なり、ネットワーク設計のアンカーボックスを除外することで計算の複雑さとハイパーパラメータの数を削減できる。 さらに,ボックスオフセット回帰の代わりにヒートマップに基づく検出プロセスを採用することで,オブジェクト指向物体検出において重要な問題の一つである角度不連続問題を簡便かつ効果的に解決する。 さらに性能を向上させるために,ロスバランス,回転不変特性の抽出,ヒートマップの精細化などの効果的な手法を提案する。 triuenetの有効性を実証するために,弱吸蔵指向オブジェクト検出のための様々なタスクを実験した。 大規模な実験結果から,TricueNetはオブジェクト指向物体検出に極めて効果的で競争力があることが示された。 コードはhttps://github.com/qjadud1994/tricubenetで入手できる。

関連論文リスト

• The Importance of Anti-Aliasing in Tiny Object Detection [0.0]
  本稿では,小さな物体検出に対するアンチエイリアスのための既存のWaveCNetを適用した。 We modified the original WaveCNet to apply Wavelet Pooling layer, effectively suppressing aliasing。 また,背骨の底面重みのあるバージョンを提案し,小型物体検出の性能をさらに向上させる。
  論文  参考訳（メタデータ） (2023-10-22T08:02:01Z)
• Spatial-Temporal Graph Enhanced DETR Towards Multi-Frame 3D Object Detection [54.041049052843604]
  STEMDは,多フレーム3Dオブジェクト検出のためのDETRのようなパラダイムを改良した,新しいエンドツーエンドフレームワークである。 まず、オブジェクト間の空間的相互作用と複雑な時間的依存をモデル化するために、空間的時間的グラフアテンションネットワークを導入する。 最後に、ネットワークが正のクエリと、ベストマッチしない他の非常に類似したクエリを区別することが課題となる。
  論文  参考訳（メタデータ） (2023-07-01T13:53:14Z)
• 3D Small Object Detection with Dynamic Spatial Pruning [62.72638845817799]
  本稿では,3次元小物体検出のための効率的な特徴解析手法を提案する。 空間分解能の高いDSPDet3Dというマルチレベル3次元検出器を提案する。 ほぼ全ての物体を検知しながら、4500k以上のポイントからなる建物全体を直接処理するには2秒もかからない。
  論文  参考訳（メタデータ） (2023-05-05T17:57:04Z)
• 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D Point Clouds [95.54285993019843]
  本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。 本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
  論文  参考訳（メタデータ） (2022-11-01T20:59:38Z)
• PSA-Det3D: Pillar Set Abstraction for 3D object Detection [14.788139868324155]
  我々は,小物体の検出性能を向上させるために,柱集合抽象化(PSA)と前景点補償(FPC)を提案する。 KITTI 3D 検出ベンチマーク実験の結果,提案した PSA-Det3D は他のアルゴリズムよりも高い精度で小物体検出を行うことができた。
  論文  参考訳（メタデータ） (2022-10-20T03:05:34Z)
• Double-Dot Network for Antipodal Grasp Detection [20.21384585441404]
  本稿では,Double-Dot Network (DD-Net) という,対足足歩行検出のための新しい深層学習手法を提案する。 これは、経験的にプリセットされたアンカーに依存しない最近のアンカーフリーなオブジェクト検出フレームワークに従っている。 このような指先をローカライズするために効果的なCNNアーキテクチャを導入し、改良のための補助センターの助けを借りて、把握候補を正確かつ堅牢に推測する。
  論文  参考訳（メタデータ） (2021-08-03T14:21:17Z)
• Delving into Localization Errors for Monocular 3D Object Detection [85.77319416168362]
  単眼画像から3Dバウンディングボックスを推定することは、自動運転に不可欠な要素です。 本研究では, 各サブタスクがもたらす影響を定量化し, 局所化誤差を求めることが, モノクロ3次元検出の抑制に欠かせない要因である。
  論文  参考訳（メタデータ） (2021-03-30T10:38:01Z)
• Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
  モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。 従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。 我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。 これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
  論文  参考訳（メタデータ） (2020-08-31T17:10:48Z)
• Object as Hotspots: An Anchor-Free 3D Object Detection Approach via Firing of Hotspots [37.16690737208046]
  オブジェクトレベルのアンカーを用いた既存のメソッドとは逆のアプローチを論じる。 構成モデルに着想を得て、内部の空でないボクセルの組成として、ホットスポットと呼ばれる物体を提案する。 提案手法は,OHSに基づく新しい地中真理割当て戦略を用いたアンカーフリー検出ヘッドを提案する。
  論文  参考訳（メタデータ） (2019-12-30T03:02:22Z)
• SESS: Self-Ensembling Semi-Supervised 3D Object Detection [138.80825169240302]
  具体的には、ラベルのない新しい未知のデータに基づくネットワークの一般化を促進するための、徹底的な摂動スキームを設計する。 我々のSESSは、50%のラベル付きデータを用いて、最先端の完全教師付き手法と比較して、競争性能を達成している。
  論文  参考訳（メタデータ） (2019-12-26T08:48:04Z)

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。