論文の概要: 1st Place Solutions for UG2+ Challenge 2021 -- (Semi-)supervised Face
detection in the low light condition
- arxiv url: http://arxiv.org/abs/2107.00818v1
- Date: Fri, 2 Jul 2021 04:12:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-05 12:51:11.000248
- Title: 1st Place Solutions for UG2+ Challenge 2021 -- (Semi-)supervised Face
detection in the low light condition
- Title（参考訳）: 第1位 ug2+ challenge 2021 -- (semi-)supervised face detection in the low light condition
- Authors: Pengcheng Wang, Lingqiao Ji, Zhilong Ji, Yuan Gao, Xiao Liu
- Abstract要約: UG2+ Challenge in UG2+ Challenge in CVPR 2021
一般的な画像強調法と画像転送法を用いていくつかの実験を行い、より近い領域に低照度画像と正常画像を引き寄せた。
テストセットでmAP 74.89を達成し、最終リーダーボードで1位となったモデルをいくつかまとめる。
- 参考スコア（独自算出の注目度）: 13.241328369629453
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this technical report, we briefly introduce the solution of our team
"TAL-ai" for (Semi-) supervised Face detection in the low light condition in
UG2+ Challenge in CVPR 2021. By conducting several experiments with popular
image enhancement methods and image transfer methods, we pulled the low light
image and the normal image to a more closer domain. And it is observed that
using these data to training can achieve better performance. We also adapt
several popular object detection frameworks, e.g., DetectoRS, Cascade-RCNN, and
large backbone like Swin-transformer. Finally, we ensemble several models which
achieved mAP 74.89 on the testing set, ranking 1st on the final leaderboard.
- Abstract（参考訳）: 本稿では, CVPR 2021のUG2+チャレンジにおいて, 低光環境下での顔検出のための「TAL-ai」のソリューションを簡潔に紹介する。
一般的な画像強調法と画像転送法を用いていくつかの実験を行い、より近い領域に低照度画像と正常画像を引き寄せた。
そして、これらのデータをトレーニングに利用することで、よりよいパフォーマンスが得られることが観察されている。
また、DectoroRS、Cascade-RCNN、Swin-transformerのような大きなバックボーンなど、一般的なオブジェクト検出フレームワークにも適応しています。
最後に、テストセットでmAP 74.89を達成し、最終リーダーボードで1位となったモデルをいくつかまとめる。
関連論文リスト
- First Place Solution to the ECCV 2024 ROAD++ Challenge @ ROAD++ Spatiotemporal Agent Detection 2024 [12.952512012601874]
トラック1のタスクはエージェント検出であり、連続したビデオフレーム内のエージェントのためのエージェント用の「エージェントチューブ」を構築することを目的としている。
私たちのソリューションは、超小型オブジェクト、低照度、不均衡、きめ細かい分類など、このタスクにおける課題に焦点を当てています。
ROAD++ Challenge 2024のトラック1のテストセットで最初にランク付けし、平均30.82%の動画mAPを達成した。
論文 参考訳（メタデータ） (2024-10-30T14:52:43Z) - Forgery-aware Adaptive Transformer for Generalizable Synthetic Image
Detection [106.39544368711427]
本研究では,様々な生成手法から偽画像を検出することを目的とした,一般化可能な合成画像検出の課題について検討する。
本稿では,FatFormerという新しいフォージェリー適応トランスフォーマー手法を提案する。
提案手法は, 平均98%の精度でGANを観測し, 95%の精度で拡散モデルを解析した。
論文 参考訳（メタデータ） (2023-12-27T17:36:32Z) - Gen2Det: Generate to Detect [42.13657805295144]
Gen2Detは、オブジェクト検出のための合成トレーニングデータを無償で作成するためのシンプルなモジュールパイプラインです。
合成データに加えて、Gen2Detは画像レベルのフィルタリング、インスタンスレベルのフィルタリング、より良いトレーニングレシピなど、生成されたデータを最大限に活用するための一連のテクニックを提案している。
論文 参考訳（メタデータ） (2023-12-07T18:59:58Z) - 1st Place Solution for ECCV 2022 OOD-CV Challenge Object Detection Track [71.12470906323298]
Generalize-then-Adapt(G&A)フレームワークは、2段ドメイン一般化部と1段ドメイン適応部とから構成される。
提案したG&Aフレームワークは,OOD-CVチャレンジにおけるオブジェクト検出リーダボードの初歩的な実現に役立ちます。
論文 参考訳（メタデータ） (2023-01-12T03:50:46Z) - Ultra-High-Definition Low-Light Image Enhancement: A Benchmark and
Transformer-Based Method [51.30748775681917]
低照度画像強調(LLIE)の課題を考察し,4K解像度と8K解像度の画像からなる大規模データベースを導入する。
我々は、系統的なベンチマーク研究を行い、現在のLLIEアルゴリズムと比較する。
第2のコントリビューションとして,変換器をベースとした低照度化手法であるLLFormerを紹介する。
論文 参考訳（メタデータ） (2022-12-22T09:05:07Z) - 2nd Place Solutions for UG2+ Challenge 2022 -- D$^{3}$Net for Mitigating
Atmospheric Turbulence from Images [5.092028049119383]
D$3$Netは、CVPR 2022のUG2+$ Challengeにおける大気乱流緩和のために、我々のチーム「TUK-IK」によって提案された。
提案手法は, テストフェーズにおいて, 上記の課題の最終リーダーボードにそれぞれ2位にランクインした。
論文 参考訳（メタデータ） (2022-08-25T20:20:09Z) - D^2LV: A Data-Driven and Local-Verification Approach for Image Copy
Detection [36.473577708618976]
画像類似性チャレンジ:マッチングトラック - NeurIPS'21で競合する、データ駆動で局所的な検証手法が提案されている。
D2LVでは、教師なし事前訓練が一般的に使用される教師付き訓練に取って代わる。
提案されたアプローチは、Facebook AI Image similarity Challenge: Matching Trackで1,103人中1位にランクインしている。
論文 参考訳（メタデータ） (2021-11-13T10:56:58Z) - Dual-Camera Super-Resolution with Aligned Attention Modules [56.54073689003269]
デュアルカメラ・スーパーレゾリューション(DCSR)に着目したレファレンスベース・スーパーレゾリューション(RefSR)への新しいアプローチを提案する。
提案手法は,空間アライメント操作と標準パッチベースの特徴マッチングを一般化する。
実世界の画像とトレーニング画像の領域ギャップを埋めるために,自己監督型領域適応戦略を提案する。
論文 参考訳（メタデータ） (2021-09-03T07:17:31Z) - 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) - NTIRE 2020 Challenge on Real-World Image Super-Resolution: Methods and
Results [148.54397669654958]
本稿は,NTIRE 2020における現実世界の超解像に関する課題を概観する。
この課題は、真の高解像度画像と低解像度画像のペアが利用できない現実世界の設定に対処する。
合計22チームが最終テストフェーズに出場し、この問題に対する新しい革新的な解決策を実証した。
論文 参考訳（メタデータ） (2020-05-05T08:17:04Z)
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。