論文の概要: Improved detection of small objects in road network sequences
- arxiv url: http://arxiv.org/abs/2105.08416v1
- Date: Tue, 18 May 2021 10:13:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-19 20:44:02.967106
- Title: Improved detection of small objects in road network sequences
- Title（参考訳）: 道路網における小型物体の検出の改善
- Authors: Iv\'an Garc\'ia, Rafael Marcos Luque and Ezequiel L\'opez
- Abstract要約: 本稿では,畳み込みニューラルネットワークによる検出に基づく超解像プロセスを適用し,小型物体の検出手法を提案する。
本研究は, 異なるスケールの要素を含むトラヒック画像の集合に対して, モデルにより得られた検出値に従って効率を試験するために試験された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The vast number of existing IP cameras in current road networks is an
opportunity to take advantage of the captured data and analyze the video and
detect any significant events. For this purpose, it is necessary to detect
moving vehicles, a task that was carried out using classical artificial vision
techniques until a few years ago. Nowadays, significant improvements have been
obtained by deep learning networks. Still, object detection is considered one
of the leading open issues within computer vision.
The current scenario is constantly evolving, and new models and techniques
are appearing trying to improve this field. In particular, new problems and
drawbacks appear regarding detecting small objects, which correspond mainly to
the vehicles that appear in the road scenes. All this means that new solutions
that try to improve the low detection rate of small elements are essential.
Among the different emerging research lines, this work focuses on the detection
of small objects. In particular, our proposal aims to vehicle detection from
images captured by video surveillance cameras.
In this work, we propose a new procedure for detecting small-scale objects by
applying super-resolution processes based on detections performed by
convolutional neural networks \emph{(CNN)}. The neural network is integrated
with processes that are in charge of increasing the resolution of the images to
improve the object detection performance. This solution has been tested for a
set of traffic images containing elements of different scales to test the
efficiency according to the detections obtained by the model, thus
demonstrating that our proposal achieves good results in a wide range of
situations.
- Abstract（参考訳）: 現在の道路ネットワークにある膨大な数の既存のIPカメラは、取得したデータを利用してビデオを分析し、重要なイベントを検出する機会である。
この目的のためには、数年前まで古典的な人工視覚技術を用いて行われた作業である移動車を検出する必要がある。
現在、深層学習ネットワークによって大幅に改善されている。
それでも、オブジェクト検出はコンピュータビジョンにおける主要なオープン問題の1つと考えられている。
現在のシナリオは絶えず進化しており、この分野を改善しようとする新しいモデルやテクニックが現れています。
特に、道路シーンに登場する車両に主に対応している小型物体の検出に関して、新たな問題や欠点が現れる。
これらのことは、小さな元素の低い検出率を改善する新しいソリューションが不可欠であることを意味している。
様々な研究ラインの中で、この研究は小さな物体の検出に焦点を当てている。
特に,本提案では,ビデオ監視カメラで撮影した画像からの車両検出を目的とした。
本研究では,畳み込みニューラルネットワーク \emph{(CNN)} による検出に基づく超解像プロセスを適用することで,小型物体の検出を行う新しい手法を提案する。
ニューラルネットワークは、画像の解像度を向上させるプロセスと統合され、オブジェクト検出性能が向上する。
この手法は,様々なスケールの要素を含む一組のトラヒック画像に対して,モデルにより得られた検出結果に応じて効率性をテストすることで,幅広い状況において良好な結果が得られることを示す。
関連論文リスト
- Accelerating Object Detection with YOLOv4 for Real-Time Applications [0.276240219662896]
畳み込みニューラルネットワーク(CNN)は、ほとんどの問題に対して画像コンテンツとコンピュータビジョンアプローチを認識する強力なツールとして登場した。
本稿では、畳み込みニューラルネットワーク(CNN)のようなディープラーニングとオブジェクト検出フレームワークの簡単な紹介を紹介する。
論文 参考訳（メタデータ） (2024-10-17T17:44:57Z) - Joint object detection and re-identification for 3D obstacle
multi-camera systems [47.87501281561605]
本研究は,カメラとライダー情報を用いた物体検出ネットワークに新たな改良を加えたものである。
同じ車両内の隣のカメラにまたがって物体を再識別する作業のために、追加のブランチが組み込まれている。
その結果,従来の非最大抑圧(NMS)技術よりも,この手法が優れていることが示された。
論文 参考訳（メタデータ） (2023-10-09T15:16:35Z) - Fast and Accurate Object Detection on Asymmetrical Receptive Field [0.0]
本稿では,物体検出精度を受容場の変化の観点から改善する手法を提案する。
YOLOv5の頭部の構造は、非対称なプール層を付加することによって改変される。
本稿では, 従来の YOLOv5 モデルと比較し, いくつかのパラメータから解析する。
論文 参考訳（メタデータ） (2023-03-15T23:59:18Z) - Perspective Aware Road Obstacle Detection [104.57322421897769]
道路障害物検出技術は,車間距離が大きくなるにつれて障害物の見かけの規模が減少するという事実を無視することを示す。
画像位置毎に仮想物体の見かけの大きさを符号化したスケールマップを演算することでこれを活用できる。
次に、この視点マップを利用して、遠近法に対応する大きさの道路合成物体に注入することで、トレーニングデータを生成する。
論文 参考訳（メタデータ） (2022-10-04T17:48:42Z) - Recent Trends in 2D Object Detection and Applications in Video Event
Recognition [0.76146285961466]
物体検出における先駆的な研究について論じるとともに,近年のディープラーニングを活用したブレークスルーも取り上げている。
本稿では、画像とビデオの両方で2次元物体検出のための最近のデータセットを強調し、様々な最先端物体検出技術の比較性能の概要を示す。
論文 参考訳（メタデータ） (2022-02-07T14:15:11Z) - 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) - You Better Look Twice: a new perspective for designing accurate
detectors with reduced computations [56.34005280792013]
BLT-netは、新しい低計算の2段階オブジェクト検出アーキテクチャである。
非常にエレガントな第1ステージを使用して、オブジェクトをバックグラウンドから分離することで、計算を削減します。
結果のイメージ提案は、高度に正確なモデルによって第2段階で処理される。
論文 参考訳（メタデータ） (2021-07-21T12:39:51Z) - Finding a Needle in a Haystack: Tiny Flying Object Detection in 4K
Videos using a Joint Detection-and-Tracking Approach [19.59528430884104]
本稿では,検出と追跡を共同で行うrecurrent correlational networkと呼ばれるニューラルネットワークモデルを提案する。
鳥や無人航空機などの小さな飛行物体の画像を含むデータセットを用いた実験では、提案手法は一貫した改善をもたらした。
我々のネットワークは、鳥の画像データセットのトラッカーとして評価されたとき、最先端の汎用オブジェクトトラッカと同様に機能します。
論文 参考訳（メタデータ） (2021-05-18T03:22:03Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z) - Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。
人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。
実験の結果,提案手法は最先端の物体検出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） (2020-05-15T23:57:36Z)
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。