論文の概要: SSPNet: Scale Selection Pyramid Network for Tiny Person Detection from UAV Images

• arxiv url: http://arxiv.org/abs/2107.01548v1
• Date: Sun, 4 Jul 2021 05:46:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-07 04:59:11.301748
• Title: SSPNet: Scale Selection Pyramid Network for Tiny Person Detection from UAV Images
• Title（参考訳）: SSPNet:UAV画像からのTiny Person検出のためのスケール選択ピラミッドネットワーク
• Authors: Mingbo Hong, Shuiwang Li, Yuchao Yang, Feiyu Zhu, Qijun Zhao and Li Lu
• Abstract要約: 小型人検出のためのSSPNet(Scale Selection Pyramid Network)を提案する。 SSPNetは、コンテキスト注意モジュール(CAM)、スケール拡張モジュール(SEM)、スケール選択モジュール(SSM)の3つのコンポーネントから構成される。 我々の方法は、他の最先端検出器(SOTA)よりも優れている。
• 参考スコア（独自算出の注目度）: 10.439155825343517
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the increasing demand for search and rescue, it is highly demanded to detect objects of interest in large-scale images captured by Unmanned Aerial Vehicles (UAVs), which is quite challenging due to extremely small scales of objects. Most existing methods employed Feature Pyramid Network (FPN) to enrich shallow layers' features by combing deep layers' contextual features. However, under the limitation of the inconsistency in gradient computation across different layers, the shallow layers in FPN are not fully exploited to detect tiny objects. In this paper, we propose a Scale Selection Pyramid network (SSPNet) for tiny person detection, which consists of three components: Context Attention Module (CAM), Scale Enhancement Module (SEM), and Scale Selection Module (SSM). CAM takes account of context information to produce hierarchical attention heatmaps. SEM highlights features of specific scales at different layers, leading the detector to focus on objects of specific scales instead of vast backgrounds. SSM exploits adjacent layers' relationships to fulfill suitable feature sharing between deep layers and shallow layers, thereby avoiding the inconsistency in gradient computation across different layers. Besides, we propose a Weighted Negative Sampling (WNS) strategy to guide the detector to select more representative samples. Experiments on the TinyPerson benchmark show that our method outperforms other state-of-the-art (SOTA) detectors.
• Abstract（参考訳）: 捜索・救助の需要が高まる中、無人航空機(uav)が捉えた大規模画像に対して興味のある物体を検出することが極めて求められている。 既存のほとんどの手法では、ディープレイヤのコンテキスト特徴を組み合わせて浅いレイヤの機能を充実させるためにFeature Pyramid Network (FPN) を使用していた。 しかし、異なる層にまたがる勾配計算の不整合性の制限により、FPNの浅い層は、微小物体を検出するために完全には利用されない。 本稿では、コンテキストアテンションモジュール(CAM)、スケールエンハンスメントモジュール(SEM)、スケールセレクションモジュール(SSM)の3つのコンポーネントからなる、小さな人物検出のためのスケール選択ピラミッドネットワーク(SSPNet)を提案する。 CAMはコンテキスト情報を考慮し、階層的な熱マップを生成する。 SEMは異なる層における特定のスケールの特徴を強調し、広い背景ではなく特定のスケールのオブジェクトに焦点を当てる。 SSMは、隣接するレイヤの関係を利用して、深いレイヤと浅いレイヤ間の適切な機能共有を実現し、異なるレイヤ間の勾配計算の不整合を回避する。 さらに,より代表的なサンプルを選択するために,検出器を誘導するWNS(Weighted Negative Smpling)戦略を提案する。 TinyPersonベンチマークの実験により、我々の手法は他のSOTA検出器よりも優れていることが示された。

関連論文リスト

• HCF-Net: Hierarchical Context Fusion Network for Infrared Small Object Detection [16.92362922379821]
  赤外線小物体検出性能を向上させるための深層学習法を提案する。 本発明の方法は、PPAモジュール、DASIモジュール、MDCRモジュールを含む。
  論文  参考訳（メタデータ） (2024-03-16T02:45:42Z)
• AMANet: Advancing SAR Ship Detection with Adaptive Multi-Hierarchical Attention Network [0.5437298646956507]
  適応型多階層型アテンションモジュール (AMAM) を提案する。 まず,隣り合う特徴層からの情報を融合して,より小さなターゲットの検出を強化し,マルチスケールな特徴強調を実現する。 第3に,AMAMをバックボーンネットワークと特徴ピラミッドネットワークに埋め込むことにより,適応型多階層アテンションネットワーク(AMANet)を提案する。
  論文  参考訳（メタデータ） (2024-01-24T03:56:33Z)
• De-coupling and De-positioning Dense Self-supervised Learning [65.56679416475943]
  Dense Self-Supervised Learning (SSL)メソッドは、複数のオブジェクトでイメージを処理する際に、画像レベルの特徴表現を使用する際の制限に対処する。 本研究は, 層深度やゼロパディングに伴う受容野の増大によって生じる, 結合と位置バイアスに悩まされていることを示す。 我々はCOCOにおける本手法の利点と、オブジェクト分類、セマンティックセグメンテーション、オブジェクト検出のための新しい挑戦的ベンチマークであるOpenImage-MINIについて示す。
  論文  参考訳（メタデータ） (2023-03-29T18:07:25Z)
• Discovery-and-Selection: Towards Optimal Multiple Instance Learning for Weakly Supervised Object Detection [86.86602297364826]
  複数インスタンス学習(DS-MIL)と融合した発見・選択手法を提案する。 我々の提案するDS-MILアプローチは,最先端の性能を報告しながら,ベースラインを一貫して改善することができる。
  論文  参考訳（メタデータ） (2021-10-18T07:06:57Z)
• MRDet: A Multi-Head Network for Accurate Oriented Object Detection in Aerial Images [51.227489316673484]
  水平アンカーから変換された指向性提案を生成するために、任意指向領域提案ネットワーク(AO-RPN)を提案する。 正確なバウンディングボックスを得るために,検出タスクを複数のサブタスクに分離し,マルチヘッドネットワークを提案する。 各ヘッドは、対応するタスクに最適な特徴を学習するために特別に設計されており、ネットワークがオブジェクトを正確に検出することができる。
  論文  参考訳（メタデータ） (2020-12-24T06:36:48Z)
• Dense Multiscale Feature Fusion Pyramid Networks for Object Detection in UAV-Captured Images [0.09065034043031667]
  本研究では,よりリッチな特徴を可能な限り得ることを目的とした,高密度多スケール特徴融合ピラミッドネットワーク(dmffpn)と呼ばれる新しい手法を提案する。 具体的には、密度の高い接続は、異なる畳み込み層からの表現を完全に活用するように設計されている。 VisDrone-DETと呼ばれるドローンベースのデータセットの実験は、我々の方法の競争力を示唆している。
  論文  参考訳（メタデータ） (2020-12-19T10:05:31Z)
• Multi-scale Interactive Network for Salient Object Detection [91.43066633305662]
  本稿では,隣接レベルからの機能を統合するためのアグリゲート・インタラクション・モジュールを提案する。 より効率的なマルチスケール機能を得るために、各デコーダユニットに自己相互作用モジュールを埋め込む。 5つのベンチマークデータセットによる実験結果から,提案手法は後処理を一切行わず,23の最先端手法に対して良好に動作することが示された。
  論文  参考訳（メタデータ） (2020-07-17T15:41:37Z)
• Extended Feature Pyramid Network for Small Object Detection [20.029591259254847]
  小型物体検出に特化した高分解能ピラミッドレベルの拡張特徴ピラミッドネットワーク(EFPN)を提案する。 具体的には,特徴の超解法と信頼性のある地域情報を同時に抽出するために,特徴テクスチャ転送(FTT)と呼ばれる新しいモジュールを設計する。 実験では,提案したEFPNは計算とメモリの両方で効率的であり,最先端の結果が得られる。
  論文  参考訳（メタデータ） (2020-03-16T04:27:54Z)
• Cross-layer Feature Pyramid Network for Salient Object Detection [102.20031050972429]
  本稿では,有能な物体検出における進行的融合を改善するために,新しいクロス層特徴ピラミッドネットワークを提案する。 レイヤごとの分散機能は、他のすべてのレイヤからセマンティクスと健全な詳細の両方を同時に所有し、重要な情報の損失を減らします。
  論文  参考訳（メタデータ） (2020-02-25T14:06:27Z)
• NETNet: Neighbor Erasing and Transferring Network for Better Single Shot Object Detection [170.30694322460045]
  我々は、ピラミッドの特徴を再設定し、スケールアウェアな特徴を探索する新しいNeighbor Erasing and Transferring(NET)メカニズムを提案する。 NETNetと呼ばれるシングルショットネットワークは、スケールアウェアなオブジェクト検出のために構築されている。
  論文  参考訳（メタデータ） (2020-01-18T15:21:29Z)

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。