論文の概要: Class agnostic moving target detection by color and location prediction
of moving area
- arxiv url: http://arxiv.org/abs/2106.12966v1
- Date: Thu, 24 Jun 2021 12:34:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2021-06-25 21:41:10.173458
- Title: Class agnostic moving target detection by color and location prediction
of moving area
- Title（参考訳）: 移動領域の色と位置予測によるクラス非依存移動目標検出
- Authors: Zhuang He, Qi Li, Huajun Feng, Zhihai Xu
- Abstract要約: 移動目標検出はコンピュータビジョンにおいて重要な役割を果たす。
ディープラーニングベースの畳み込みニューラルネットワークのような最近のアルゴリズムは、高精度でリアルタイムのパフォーマンスを実現している。
モデル自由移動目標検出アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 11.326363150470204
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Moving target detection plays an important role in computer vision. However,
traditional algorithms such as frame difference and optical flow usually suffer
from low accuracy or heavy computation. Recent algorithms such as deep
learning-based convolutional neural networks have achieved high accuracy and
real-time performance, but they usually need to know the classes of targets in
advance, which limits the practical applications. Therefore, we proposed a
model free moving target detection algorithm. This algorithm extracts the
moving area through the difference of image features. Then, the color and
location probability map of the moving area will be calculated through maximum
a posteriori probability. And the target probability map can be obtained
through the dot multiply between the two maps. Finally, the optimal moving
target area can be solved by stochastic gradient descent on the target
probability map. Results show that the proposed algorithm achieves the highest
accuracy compared with state-of-the-art algorithms, without needing to know the
classes of targets. Furthermore, as the existing datasets are not suitable for
moving target detection, we proposed a method for producing evaluation dataset.
Besides, we also proved the proposed algorithm can be used to assist target
tracking.
- Abstract（参考訳）: 移動目標検出はコンピュータビジョンにおいて重要な役割を果たす。
しかし、フレーム差や光学フローといった従来のアルゴリズムは、通常は低い精度や重い計算に悩まされる。
ディープラーニングベースの畳み込みニューラルネットワークのような最近のアルゴリズムは、高い精度とリアルタイムのパフォーマンスを達成したが、彼らは通常、事前にターゲットのクラスを知る必要がある。
そこで我々は,モデル自由移動目標検出アルゴリズムを提案する。
このアルゴリズムは画像の特徴の違いから移動領域を抽出する。
次に、移動領域の色と位置の確率マップを最大後続確率で算出する。
対象の確率マップは2つのマップ間の点乗算によって得られる。
最後に、最適移動目標領域は、目標確率マップ上の確率勾配降下によって解決できる。
その結果,提案アルゴリズムは,目標のクラスを知ることなく,最先端アルゴリズムよりも高い精度が得られることがわかった。
さらに,既存のデータセットは移動対象検出に適さないため,評価データセットの作成方法を提案する。
また,提案アルゴリズムを用いて目標追跡を支援することも実証した。
関連論文リスト
- SpirDet: Towards Efficient, Accurate and Lightweight Infrared Small
Target Detector [60.42293239557962]
我々は、赤外線小ターゲットの効率的な検出のための新しいアプローチであるSpirDetを提案する。
新しいデュアルブランチスパースデコーダを用いて特徴写像を復元する。
大規模な実験により、提案されたSpirDetは最先端モデルよりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2024-02-08T05:06:14Z) - Real-time AdaBoost cascade face tracker based on likelihood map and
optical flow [59.17685450892182]
著者らは、光学フロー情報をヴィオラ・ジョーンズ検出アルゴリズムの修正版に組み込む新しい顔追跡手法を提案する。
元のアルゴリズムでは、前のフレームからの情報が考慮されないため、検出は静的である。
提案したトラッカーは、各ウィンドウが通過する分類段階の数に関する情報を保存する。
論文 参考訳（メタデータ） (2022-10-25T10:15:07Z) - Improving Fuzzy-Logic based Map-Matching Method with Trajectory
Stay-Point Detection [3.093890460224435]
多くのGPS軌跡データセットには、静止点の不規則性が含まれており、地図マッチングアルゴリズムは、無関係な道路へのミスマッチ軌跡を作る。
我々は,DBSCANを用いた軌道データセット内の静止点をクラスタ化し,冗長データを排除し,マップマッチングアルゴリズムの効率を向上する。
提案手法は,従来のファジィ論理に基づくマップマッチング手法と同じ精度で,データサイズを27.39%削減し,処理時間を8.9%削減する。
論文 参考訳（メタデータ） (2022-08-04T20:41:13Z) - Towards Real-Time Visual Tracking with Graded Color-names Features [10.475679500780574]
MeanShiftアルゴリズムは、その単純さと効率性から、タスクのトラッキングに広く利用されている。
従来のMeanShiftアルゴリズムでは、ターゲットの初期領域をラベル付けする必要があるため、アルゴリズムの適用性が低下する。
我々は,背景モデルと色名の階調特徴を組み合わせた追跡手法をMeanShiftフレームワークで開発する。
論文 参考訳（メタデータ） (2022-06-17T11:38:37Z) - Learn Fine-grained Adaptive Loss for Multiple Anatomical Landmark
Detection in Medical Images [15.7026400415269]
本稿ではランドマーク検出のための新しい学習学習フレームワークを提案する。
提案手法は汎用的であり,解剖学的ランドマーク検出の効率向上の可能性を示す。
論文 参考訳（メタデータ） (2021-05-19T13:39:18Z) - AmphibianDetector: adaptive computation for moving objects detection [0.913755431537592]
本稿では,偽陽性検出の回数を減らすためのオブジェクト検出手法を提案する。
提案手法は、すでにオブジェクト検出タスクのために訓練されているCNNの修正である。
提案手法の有効性をオープンデータセット"CDNet2014 pedestrian"で実証した。
論文 参考訳（メタデータ） (2020-11-15T12:37:44Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z) - UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional
Variational Autoencoders [81.5490760424213]
データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。
そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
論文 参考訳（メタデータ） (2020-04-13T04:12:59Z) - Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge
Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。
これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文 参考訳（メタデータ） (2020-03-28T18:51:43Z) - Scalable Approximate Inference and Some Applications [2.6541211006790983]
本稿では,近似推論のための新しいフレームワークを提案する。
提案する4つのアルゴリズムは,Steinの手法の最近の計算進歩に動機付けられている。
シミュレーションおよび実データを用いた結果から,アルゴリズムの統計的効率と適用性を示す。
論文 参考訳（メタデータ） (2020-03-07T04:33:27Z) - Depthwise Non-local Module for Fast Salient Object Detection Using a
Single Thread [136.2224792151324]
本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。
提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
論文 参考訳（メタデータ） (2020-01-22T15:23:48Z)
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。