Fugu-MT 論文翻訳(概要): EPP-Net: Extreme-Point-Prediction-Based Object Detection

論文の概要: EPP-Net: Extreme-Point-Prediction-Based Object Detection

arxiv url: http://arxiv.org/abs/2104.14066v1
Date: Thu, 29 Apr 2021 01:01:50 GMT
ステータス: 処理完了
システム内更新日: 2021-04-30 13:03:13.459785
Title: EPP-Net: Extreme-Point-Prediction-Based Object Detection
Title（参考訳）: EPP-Net:極点予測に基づくオブジェクト検出
Authors: Yang Yang, Min Li, Bo Meng, Zihao Huang, Junxing Ren, Degang Sun
Abstract要約: 本研究では,各画素と4つの極点間の相対変位ベクトルを回帰するアンカーフリーの高密度物体検出器を提案する。また、極点の2つの群、すなわち、連合上の極端断面積(EIoU)の類似度を測定するための新しい測度も提案する。 MS-COCOデータセットでは,ResNet-50では平均精度が39.3%,ResNeXt-101-DCNでは48.3%である。
参考スコア（独自算出の注目度）: 9.270523894683278
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Object detection can be regarded as a pixel clustering task, and its boundary is determined by four extreme points (leftmost, top, rightmost, and bottom). However, most studies focus on the center or corner points of the object, which are actually conditional results of the extreme points. In this paper, we present a new anchor-free dense object detector, which directly regresses the relative displacement vector between each pixel and the four extreme points. We also propose a new metric to measure the similarity between two groups of extreme points, namely, Extreme Intersection over Union (EIoU), and incorporate this EIoU as a new regression loss. Moreover, we propose a novel branch to predict the EIoU between the ground-truth and the prediction results, and combine it with the classification confidence as the ranking keyword in non-maximum suppression. On the MS-COCO dataset, our method achieves an average precision (AP) of 39.3% with ResNet-50 and an AP of 48.3% with ResNeXt-101-DCN. The proposed EPP-Net provides a new method to detect objects and outperforms state-of-the-art anchor-free detectors.
Abstract（参考訳）: オブジェクト検出はピクセルクラスタリングタスクと見なすことができ、その境界は4つの極端なポイント(最左端、最右端、最下端)で決定される。しかし、ほとんどの研究は、極端点の条件付き結果である対象の中心または隅点に焦点を当てている。本稿では,各画素と4つの極点間の相対変位ベクトルを直接回帰する,アンカーフリーの高密度物体検出器を提案する。また、極端点の2つの群、すなわち、連合上の極端区間(EIoU)の類似度を測定するための新しい尺度を提案し、このEIoUを新たな回帰損失として組み込む。さらに, 地盤と予測結果との固有値を予測する新しい分岐法を提案し, 非最大抑制において, ランキングキーワードとしての分類信頼度と組み合わせた。 MS-COCOデータセットでは,ResNet-50では平均精度39.3%,ResNeXt-101-DCNでは48.3%である。提案されたepp-netは、オブジェクトを検出し、最先端のアンカーフリー検出器を上回る新しい方法を提供する。

関連論文リスト

CenterNet++ for Object Detection [174.59360147041673]
ボトムアップアプローチはトップダウンと同じくらい競争力があり、リコールも高くなります。 CenterNetと呼ばれる我々のアプローチは、各オブジェクトを三重項キーポイント(左上と右下)として検出する。 MS-COCOデータセットでは、Res2Net-101 と Swin-Transformer の CenterNet がそれぞれ 53.7% と 57.1% のAPを達成している。
論文参考訳（メタデータ） (2022-04-18T16:45:53Z)
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)
Anchor Retouching via Model Interaction for Robust Object Detection in Aerial Images [15.404024559652534]
本稿では,新しいトレーニングサンプルジェネレータを構築するために,動的拡張アンカー(DEA)ネットワークを提案する。提案手法は,適度な推論速度とトレーニングの計算オーバーヘッドを伴って,最先端の性能を精度良く達成する。
論文参考訳（メタデータ） (2021-12-13T14:37:20Z)
A Normalized Gaussian Wasserstein Distance for Tiny Object Detection [21.50800336432307]
最先端の検出器は、外観情報がないため、小さな物体に対して満足な結果を出さない。微小物体検出のためのワッサーシュタイン距離を用いた新しい評価指標を提案する。
論文参考訳（メタデータ） (2021-10-26T03:43:17Z)
3D Object Detection Combining Semantic and Geometric Features from Point Clouds [19.127930862527666]
そこで本研究では,SGNetと呼ばれる2次元物体検出装置を提案する。 VTPMはVoxel-Point-Based Moduleであり、最終的に点空間で3Dオブジェクト検出を実装している。 2021年9月19日時点で、KITTIデータセットでは、SGNetは、難易度の高いサイクリストの3DおよびBEV検出で1位、適度なサイクリストの3D検出では2位であった。
論文参考訳（メタデータ） (2021-10-10T04:43:27Z)
PDNet: Towards Better One-stage Object Detection with Prediction Decoupling [37.83405509385431]
PDNetと呼ばれる予測ターゲット分離検出器を提案し,より柔軟な検出パラダイムを確立する。バックボーンは1つのResNeXt-64x4d-101で、検出器はシングルスケールテストで48.7 APを達成した。
論文参考訳（メタデータ） (2021-04-28T16:48:04Z)
Corner Proposal Network for Anchor-free, Two-stage Object Detection [174.59360147041673]
オブジェクト検出の目標は、画像内のオブジェクトのクラスと位置を決定することである。本稿では,多数のオブジェクト提案を抽出する新しいアンカーフリー2段階フレームワークを提案する。この2つの段階が,リコールと精度の向上に有効な解であることを示す。
論文参考訳（メタデータ） (2020-07-27T19:04:57Z)
Scope Head for Accurate Localization in Object Detection [135.9979405835606]
本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
論文参考訳（メタデータ） (2020-05-11T04:00:09Z)
PointGroup: Dual-Set Point Grouping for 3D Instance Segmentation [111.7241018610573]
私たちは、インスタンスセグメンテーションのための新しいエンドツーエンドボトムアップアーキテクチャであるPointGroupを紹介します。我々は2分岐ネットワークを設計し、ポイントの特徴を抽出し、セマンティックラベルとオフセットを予測し、各ポイントをそれぞれのインスタンスセントロイドに向けてシフトさせる。クラスタリングコンポーネントは、元のおよびオフセットシフトされた点座標セットの両方を利用するために、その相補的な強度を利用する。 ScanNet v2 と S3DIS の2つの挑戦的データセットに対する広範な実験を行い、ScanNet v2 と S3DIS が最も高い性能を達成し、63.6% と 64.0% の2つを以前のベストが達成した54.9% と54.4% と比較した。
論文参考訳（メタデータ） (2020-04-03T16:26:37Z)
Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。 LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
論文参考訳（メタデータ） (2020-02-29T06:24:55Z)

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。