論文の概要: Gaussian Bounding Boxes and Probabilistic Intersection-over-Union for Object Detection

• arxiv url: http://arxiv.org/abs/2106.06072v1
• Date: Thu, 10 Jun 2021 22:24:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-14 14:16:59.080830
• Title: Gaussian Bounding Boxes and Probabilistic Intersection-over-Union for Object Detection
• Title（参考訳）: 物体検出のためのガウス境界ボックスと確率的相互接続
• Authors: Jeffri M. Llerena, Luis Felipe Zeni, Lucas N. Kristen, Claudio Jung
• Abstract要約: 本稿では,ガウス分布を用いた対象領域のファジィ表現について述べる。 また,Helinger Distance に基づくガウス分布の類似度尺度も提示し,確率的交叉対ユニオン(ProbIoU)とみなすことができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most object detection methods use bounding boxes to encode and represent the object shape and location. In this work, we explore a fuzzy representation of object regions using Gaussian distributions, which provides an implicit binary representation as (potentially rotated) ellipses. We also present a similarity measure for the Gaussian distributions based on the Hellinger Distance, which can be viewed as a Probabilistic Intersection-over-Union (ProbIoU). Our experimental results show that the proposed Gaussian representations are closer to annotated segmentation masks in publicly available datasets, and that loss functions based on ProbIoU can be successfully used to regress the parameters of the Gaussian representation. Furthermore, we present a simple mapping scheme from traditional (or rotated) bounding boxes to Gaussian representations, allowing the proposed ProbIoU-based losses to be seamlessly integrated into any object detector.
• Abstract（参考訳）: ほとんどのオブジェクト検出方法は、境界ボックスを使用してオブジェクトの形状と位置をエンコードし、表現する。 本研究では,ガウス分布を用いた対象領域のファジィ表現について検討する。 また,Helinger Distanceに基づくガウス分布の類似度尺度も提示し,確率的インターセクション・オーバー・ユニオン(ProbIoU)とみなすことができる。 実験の結果,提案したガウス表現は公開データセットの注釈付きセグメンテーションマスクに近づき,ProbIoUに基づく損失関数はガウス表現のパラメータの回帰に有効であることが示唆された。 さらに,従来の(あるいは回転した)バウンディングボックスからガウス表現への単純なマッピングスキームを提案し,提案するprobiouベースの損失を任意の物体検出器にシームレスに統合する。

関連論文リスト

• Differentiability and Approximation of Probability Functions under Gaussian Mixture Models: A Bayesian Approach [0.0]
  ガウス混合モデルに関連する確率関数について検討する。 条件付き確率分布を用いて確率関数をユークリッド球面上の積分として表現する。 パラメータ空間とユークリッド球面上のランダムサンプリングを用いて確率関数を近似する。
  論文  参考訳（メタデータ） (2024-11-05T01:36:27Z)
• PixelGaussian: Generalizable 3D Gaussian Reconstruction from Arbitrary Views [116.10577967146762]
  PixelGaussianは、任意の視点から一般化可能な3Dガウス再構成を学習するための効率的なフレームワークである。 提案手法は,様々な視点によく一般化した最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-10-24T17:59:58Z)
• GaussianFormer: Scene as Gaussians for Vision-Based 3D Semantic Occupancy Prediction [70.65250036489128]
  3Dのセマンティック占有予測は,周囲のシーンの3Dの微細な形状とセマンティックスを得ることを目的としている。 本稿では,3Dシーンを3Dセマンティック・ガウシアンで表現するオブジェクト中心表現を提案する。 GaussianFormerは17.8%から24.8%のメモリ消費しか持たない最先端のメソッドで同等のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-05-27T17:59:51Z)
• Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
  既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。 このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。 回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
  論文  参考訳（メタデータ） (2022-09-22T07:50:48Z)
• Generalized Probabilistic U-Net for medical image segementation [3.398241562010881]
  ガウス分布のより一般的な形式を許容することにより、確率的U-ネットを拡張した一般化確率的U-Netを提案する。 LIDC-IDRIデータセットを用いて,遅延空間分布の選択が参照セグメンテーションの不確かさを捕捉する効果について検討した。
  論文  参考訳（メタデータ） (2022-07-26T13:03:37Z)
• G-Rep: Gaussian Representation for Arbitrary-Oriented Object Detection [13.112764410519981]
  我々は,OBB,QBB,PointSetのガウス分布を構成するために,G-Repと呼ばれる統一ガウス表現を提案する。 G-Repは、様々な表現や問題に対する統一的な解を達成する。
  論文  参考訳（メタデータ） (2022-05-24T05:28:08Z)
• Random Ferns for Semantic Segmentation of PolSAR Images [0.0]
  本稿では、Random Fernフレームワークを偏光合成開口レーダのセマンティックセグメンテーションに拡張する。 2つの異なる最適化戦略が提案されている。 実験により、より複雑なランダムフォレストモデルに似た結果が得られることが示された。
  論文  参考訳（メタデータ） (2022-02-07T20:22:57Z)
• Gaussian Graphical Models as an Ensemble Method for Distributed Gaussian Processes [8.4159776055506]
  我々はガウスの専門家の予測をガウス図形モデル(GGM)により集約する新しいアプローチを提案する。 まず、予測最大化(EM)アルゴリズムを用いて、潜伏変数と観測変数の合同分布を推定する。 我々の新しい手法は他の最先端のDGP手法よりも優れている。
  論文  参考訳（メタデータ） (2022-02-07T15:22:56Z)
• Local optimization on pure Gaussian state manifolds [63.76263875368856]
  ボソニックおよびフェルミオンガウス状態の幾何学に関する洞察を利用して、効率的な局所最適化アルゴリズムを開発する。 この手法は局所幾何学に適応した降下勾配の概念に基づいている。 提案手法を用いて、任意の混合ガウス状態の精製の絡み合いを計算するのにガウス浄化が十分であるという予想の数値的および解析的証拠を収集する。
  論文  参考訳（メタデータ） (2020-09-24T18:00:36Z)
• Spatially Adaptive Inference with Stochastic Feature Sampling and Interpolation [72.40827239394565]
  スパースサンプリングされた場所のみの機能を計算することを提案する。 次に、効率的な手順で特徴写像を密に再構築する。 提案したネットワークは、様々なコンピュータビジョンタスクの精度を維持しながら、かなりの計算を省くために実験的に示されている。
  論文  参考訳（メタデータ） (2020-03-19T15:36:31Z)
• Block-Approximated Exponential Random Graphs [77.4792558024487]
  指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。 本稿では,非自明なERGに対する近似フレームワークを提案する。 我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
  論文  参考訳（メタデータ） (2020-02-14T11:42:16Z)

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。