論文の概要: Resource Efficient Mountainous Skyline Extraction using Shallow Learning

• arxiv url: http://arxiv.org/abs/2107.10997v1
• Date: Fri, 23 Jul 2021 02:14:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-26 14:00:59.459137
• Title: Resource Efficient Mountainous Skyline Extraction using Shallow Learning
• Title（参考訳）: 浅層学習を用いた資源効率の良い山岳スカイライン抽出
• Authors: Touqeer Ahmad, Ebrahim Emami, Martin \v{C}ad\'ik, George Bebis
• Abstract要約: 我々は浅層学習アプローチを適用して、スカイマウンテン境界に属するエッジと、異なる地域から来るエッジを区別するために、フィルターの集合を学習する。 テスト時には、各候補のエッジピクセルに対して、ピクセルの構造テンソルに基づいて学習されたフィルタの集合から1つのフィルタを選択する。 次に、動的プログラミングを用いて、結果の多段グラフの最も短い経路問題を解き、空山境界を得る。
• 参考スコア（独自算出の注目度）: 0.28675177318965034
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Skyline plays a pivotal role in mountainous visual geo-localization and localization/navigation of planetary rovers/UAVs and virtual/augmented reality applications. We present a novel mountainous skyline detection approach where we adapt a shallow learning approach to learn a set of filters to discriminate between edges belonging to sky-mountain boundary and others coming from different regions. Unlike earlier approaches, which either rely on extraction of explicit feature descriptors and their classification, or fine-tuning general scene parsing deep networks for sky segmentation, our approach learns linear filters based on local structure analysis. At test time, for every candidate edge pixel, a single filter is chosen from the set of learned filters based on pixel's structure tensor, and then applied to the patch around it. We then employ dynamic programming to solve the shortest path problem for the resultant multistage graph to get the sky-mountain boundary. The proposed approach is computationally faster than earlier methods while providing comparable performance and is more suitable for resource constrained platforms e.g., mobile devices, planetary rovers and UAVs. We compare our proposed approach against earlier skyline detection methods using four different data sets. Our code is available at \url{https://github.com/TouqeerAhmad/skyline_detection}.
• Abstract（参考訳）: スカイラインは、惑星ローバー/UAVと仮想/拡張現実の応用において、山岳の視覚的位置決めと位置決め/ナビゲーションにおいて重要な役割を担っている。 本研究では,山間部と山間部の境界線を区別するために,浅層学習手法を適用してフィルタの集合を学習する,新しい山間部スカイライン検出手法を提案する。 明快な特徴記述子とその分類、あるいはスカイセグメンテーションのためのディープネットワークを微調整する一般的なシーン解析といった従来のアプローチとは異なり、このアプローチは局所構造解析に基づいて線形フィルタを学習する。 テスト時には、各候補のエッジピクセルに対して、ピクセルの構造テンソルに基づいて学習されたフィルタの集合から1つのフィルタを選択し、その周りのパッチに適用する。 次に、動的プログラミングを用いて、結果の多段グラフの最も短い経路問題を解き、空山境界を得る。 提案手法は従来の手法よりも高速で、同等のパフォーマンスを提供し、モバイルデバイス、惑星ローバー、UAVといったリソース制約のあるプラットフォームに適している。 提案手法を,4つの異なるデータセットを用いた事前のスカイライン検出手法と比較した。 我々のコードは \url{https://github.com/TouqeerAhmad/skyline_detection} で利用可能です。

関連論文リスト

• StraightPCF: Straight Point Cloud Filtering [50.66412286723848]
  ポイントクラウドフィルタリングは、基礎となるクリーンな表面を回復しながらノイズを取り除くことを目的とした、基本的な3Dビジョンタスクである。 我々は、ポイントクラウドフィルタリングのための新しいディープラーニングベースの方法であるStraightPCFを紹介する。 ノイズの多い点を直線に沿って移動させることで、離散化誤差を低減し、クリーン表面への高速な収束を保証する。
  論文  参考訳（メタデータ） (2024-05-14T05:41:59Z)
• DeepLSD: Line Segment Detection and Refinement with Deep Image Gradients [105.25109274550607]
  ラインセグメントは、視覚タスクでますます使われています。 画像勾配に基づく従来の線検出器は非常に高速で精度が高いが、ノイズの多い画像や困難な条件では頑丈さに欠ける。 我々は、両方の世界を最大限に活用するために、伝統的なアプローチと学習されたアプローチを組み合わせることを提案する。
  論文  参考訳（メタデータ） (2022-12-15T12:36:49Z)
• Spatial-Temporal Deep Embedding for Vehicle Trajectory Reconstruction from High-Angle Video [1.8520147498637294]
  車両セグメンテーションのためのインスタンス認識埋め込みをSTMap上に生成するために,画素レベルとインスタンスレベルの両方でパリティ制約を課すモデルを開発した。 デザインされたモデルは、すべてのNGSIM US-101ビデオを処理して完全な車両軌道を生成するために適用される。
  論文  参考訳（メタデータ） (2022-09-17T22:32:05Z)
• Online Pole Segmentation on Range Images for Long-term LiDAR Localization in Urban Environments [32.34672033386747]
  オンラインで実行される幾何学的特徴に基づく,新しい,正確かつ高速な極抽出手法を提案する。 本手法は3次元LiDARスキャンから生成した範囲画像を直接計算する。 抽出した極を擬似ラベルとして、オンライン範囲画像に基づく極分割のためのディープニューラルネットワークをトレーニングする。
  論文  参考訳（メタデータ） (2022-08-15T17:58:08Z)
• Unstructured Road Segmentation using Hypercolumn based Random Forests of Local experts [0.0]
  本稿では,スーパーピクセルをベースとしたマシン学習機能を持つ地元専門家のランダムな森林を用いて道路を検知・分断する手法を提案する。 ランダムフォレストは、事前訓練された畳み込みニューラルネットワーク(VGG-16)から学習した記述子を取り込む。 我々は,Nueral Networkベースの手法と従来手法との比較を行った。
  論文  参考訳（メタデータ） (2022-07-23T13:56:37Z)
• Polygonal Point Set Tracking [50.445151155209246]
  本稿では,学習に基づく多角形点集合追跡手法を提案する。 私たちのゴールは、ターゲットの輪郭上の対応する点を追跡することです。 本稿では,部分歪みとテキストマッピングに対する本手法の視覚効果について述べる。
  論文  参考訳（メタデータ） (2021-05-30T17:12:36Z)
• Graph Neural Networks with Adaptive Frequency Response Filter [55.626174910206046]
  適応周波数応答フィルタを用いたグラフニューラルネットワークフレームワークAdaGNNを開発した。 提案手法の有効性を,様々なベンチマークデータセット上で実証的に検証した。
  論文  参考訳（メタデータ） (2021-04-26T19:31:21Z)
• Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
  本稿では,3次元形状対応のための教師なし学習手法を提案する。 提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-10-28T22:24:07Z)
• Delving Deeper into Anti-aliasing in ConvNets [42.82751522973616]
  エイリアシング(Aliasing)は、高周波信号がサンプリング後に完全に異なる信号に縮退する現象である。 空間的位置とチャネル群ごとに異なるフィルタ重みを予測できる適応型コンテンツ対応低域フィルタ層を提案する。
  論文  参考訳（メタデータ） (2020-08-21T17:56:04Z)
• Weakly Supervised Attention Pyramid Convolutional Neural Network for Fine-Grained Visual Classification [71.96618723152487]
  注意ピラミッド畳み込みニューラルネットワーク(AP-CNN)について紹介する。 AP-CNNは高レベルのセマンティックと低レベルの詳細な特徴表現の両方を学ぶ。 追加のバウンディングボックス/パートアノテーションを必要とせずに、エンドツーエンドでトレーニングすることができる。
  論文  参考訳（メタデータ） (2020-02-09T12:33:23Z)

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。