論文の概要: An Attention and Prediction Guided Visual System for Small Target Motion
Detection in Complex Natural Environments
- arxiv url: http://arxiv.org/abs/2104.13018v1
- Date: Tue, 27 Apr 2021 07:42:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-28 21:51:06.488405
- Title: An Attention and Prediction Guided Visual System for Small Target Motion
Detection in Complex Natural Environments
- Title（参考訳）: 複雑な自然環境における小型目標運動検出のための注意と予測誘導視覚システム
- Authors: Wang Hongxin, Zhao Jiannan, Wang Huatian, Peng Jigen, Yue Shigang
- Abstract要約: 複雑な自然環境における小さな目標運動検出は、自律ロボットにとって非常に難しい課題である。
本稿では,この限界を克服するための注意と予測ガイド視覚システムを提案する。
提案する視覚システムは,主にアテンションモジュール,STMDベースニューラルネットワーク,予測モジュールを含む3つのサブシステムから構成される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Small target motion detection within complex natural environment is an
extremely challenging task for autonomous robots. Surprisingly, visual systems
of insects have evolved to be highly efficient in detecting mates and tracking
prey, even though targets are as small as a few pixels in visual field. The
excellent sensitivity to small target motion relies on a class of specialized
neurons called small target motion detectors (STMDs). However, existing
STMD-based models are heavily dependent on visual contrast and perform poorly
in complex natural environment where small targets always exhibit extremely low
contrast to neighboring backgrounds. In this paper, we propose an attention and
prediction guided visual system to overcome this limitation. The proposed
visual system mainly consists of three subsystems, including an attention
module, a STMD-based neural network, and a prediction module. The attention
module searches for potential small targets in the predicted areas of input
image and enhances their contrast to complex background. The STMD-based neural
network receives the contrast-enhanced image and discriminates small moving
targets from background false positives. The prediction module foresees future
positions of the detected targets and generates a prediction map for the
attention module. The three subsystems are connected in a recurrent
architecture allowing information processed sequentially to activate specific
areas for small target detection. Extensive experiments on synthetic and
real-world datasets demonstrate the effectiveness and superiority of the
proposed visual system for detecting small, low-contrast moving targets against
complex natural environment.
- Abstract（参考訳）: 複雑な自然環境における小さな目標運動検出は、自律ロボットにとって非常に難しい課題である。
驚くべきことに、昆虫の視覚系は、視界に数ピクセルの小さいターゲットであっても、仲間を検出し、獲物を追跡するのに非常に効果的に進化してきた。
小さな標的の動きに対する優れた感度は、stmd(small target motion detectors)と呼ばれる特殊なニューロンに依存している。
しかし、既存のstmdベースのモデルは視覚的なコントラストに大きく依存しており、小さなターゲットが常に隣接する背景と非常に低いコントラストを示す複雑な自然環境では不十分である。
本稿では,この限界を克服するための注意と予測のための視覚システムを提案する。
提案する視覚システムは,主にアテンションモジュール,STMDベースニューラルネットワーク,予測モジュールを含む3つのサブシステムから構成される。
注目モジュールは、入力画像の予測領域における潜在的小さなターゲットを探索し、複雑な背景に対するコントラストを高める。
stmdベースのニューラルネットワークは、コントラスト強調画像を受け取り、背景偽陽性から小さな移動目標を判別する。
予測モジュールは、検出された対象の将来の位置を予測し、注目モジュールの予測マップを生成する。
3つのサブシステムは、連続的に処理された情報を小さなターゲット検出のために特定の領域を活性化するリカレントアーキテクチャで接続される。
合成および実世界のデータセットに対する大規模な実験は、複雑な自然環境に対する小さな低コントラスト移動目標を検出するために提案された視覚システムの有効性と優位性を示す。
関連論文リスト
- TSOM: Small Object Motion Detection Neural Network Inspired by Avian Visual Circuit [4.640328175695991]
Retina-OT-Rt視覚回路は、高高度から小さな物体の動き情報を捉えることに非常に敏感である。
本稿では,新しい触覚小物体運動検出ニューラルネットワーク(TSOM)を提案する。
TSOMは生物学的に解釈可能であり、複雑な高高度背景から信頼性の高い小さな物体の運動特徴を抽出するのに有効である。
論文 参考訳（メタデータ） (2024-04-01T01:49:08Z) - MonoTDP: Twin Depth Perception for Monocular 3D Object Detection in
Adverse Scenes [49.21187418886508]
本論文は,モノTDP(MonoTDP)と呼ばれる悪シーンにおける2つの深度を知覚するモノクル3次元検出モデルを提案する。
まず、制御不能な気象条件を扱うモデルを支援するための適応学習戦略を導入し、様々な劣化要因による劣化を著しく抑制する。
そこで本研究では, シーン深度と物体深度を同時に推定する新たな2つの深度認識モジュールを提案する。
論文 参考訳（メタデータ） (2023-05-18T13:42:02Z) - Spatio-Temporal Feedback Control of Small Target Motion Detection Visual
System [9.03311522244788]
本稿では,時間的フィードバックを用いた視覚システムを構築し,小さな目標運動を検出する。
提案する視覚系は2つの相補的な空間ニューロンからなる。
実験結果から,本システムは小型目標検出における既存手法よりも競争力が高いことが示された。
論文 参考訳（メタデータ） (2022-11-18T10:10:48Z) - AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。
我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
論文 参考訳（メタデータ） (2022-08-24T16:54:38Z) - FuNNscope: Visual microscope for interactively exploring the loss
landscape of fully connected neural networks [77.34726150561087]
ニューラルネットワークの高次元景観特性を探索する方法を示す。
我々は、小さなニューラルネットワークの観測結果をより複雑なシステムに一般化する。
インタラクティブダッシュボードは、いくつかのアプリケーションネットワークを開放する。
論文 参考訳（メタデータ） (2022-04-09T16:41:53Z) - Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
自律運転システムには2つの主要なアルゴリズムアプローチがある。
ディープラーニングだけでは、多くの分野で最先端の結果が得られています。
しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
論文 参考訳（メタデータ） (2022-03-28T20:29:50Z) - Infrared Small-Dim Target Detection with Transformer under Complex
Backgrounds [155.388487263872]
変換器を用いた赤外線小径目標検出手法を提案する。
画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。
最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
論文 参考訳（メタデータ） (2021-09-29T12:23:41Z) - A Bioinspired Approach-Sensitive Neural Network for Collision Detection
in Cluttered and Dynamic Backgrounds [19.93930316898735]
移動中の物体の迅速かつ堅牢な検出は、ロボット視覚システムにとって重要かつ困難な問題である。
哺乳類網膜における神経回路の初等視覚にインスパイアされた,バイオインスパイアされたアプローチ感受性ニューラルネットワーク(AS)を提案する。
提案手法は, クラッタや動的背景の衝突を高精度かつロバストに検出するだけでなく, 位置や方向などの衝突情報を抽出し, 迅速な意思決定を支援する。
論文 参考訳（メタデータ） (2021-03-01T09:16:18Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z) - A Time-Delay Feedback Neural Network for Discriminating Small,
Fast-Moving Targets in Complex Dynamic Environments [8.645725394832969]
複雑な視覚環境の中で小さな移動物体を識別することは、自律型マイクロロボットにとって重要な課題である。
フィードバック接続を備えたSTMDベースのニューラルネットワーク(Feedback STMD)を提案する。
論文 参考訳（メタデータ） (2019-12-29T03:10:36Z) - TBC-Net: A real-time detector for infrared small target detection using
semantic constraint [18.24737906712967]
深層学習は、小さな目標特徴の学習が困難であるため、赤外線小目標検出にはほとんど使われない。
赤外線小ターゲット検出のための新しい軽量畳み込みニューラルネットワークTBC-Netを提案する。
論文 参考訳（メタデータ） (2019-12-27T05:25:39Z)
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。