論文の概要: An Effective and Robust Detector for Logo Detection

• arxiv url: http://arxiv.org/abs/2108.00422v1
• Date: Sun, 1 Aug 2021 10:17:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-03 15:18:27.314082
• Title: An Effective and Robust Detector for Logo Detection
• Title（参考訳）: ロゴ検出のための有効でロバストな検出器
• Authors: Xiaojun Jia, Huanqian Yan, Yonglin Wu, Xingxing Wei, Xiaochun Cao, Yong Zhang
• Abstract要約: 一部の攻撃者は、よく訓練されたロゴ検出モデルを侵害で騙している。 本稿では,2回検討する機構に基づく新しいロゴ検出手法を提案する。 我々は,デテクトRSアルゴリズムを,等化損失関数,マルチスケール変換,および逆データ拡張を備えたカスケードスキーマに拡張する。
• 参考スコア（独自算出の注目度）: 58.448716977297565
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, intellectual property (IP), which represents literary, inventions, artistic works, etc, gradually attract more and more people's attention. Particularly, with the rise of e-commerce, the IP not only represents the product design and brands, but also represents the images/videos displayed on e-commerce platforms. Unfortunately, some attackers adopt some adversarial methods to fool the well-trained logo detection model for infringement. To overcome this problem, a novel logo detector based on the mechanism of looking and thinking twice is proposed in this paper for robust logo detection. The proposed detector is different from other mainstream detectors, which can effectively detect small objects, long-tail objects, and is robust to adversarial images. In detail, we extend detectoRS algorithm to a cascade schema with an equalization loss function, multi-scale transformations, and adversarial data augmentation. A series of experimental results have shown that the proposed method can effectively improve the robustness of the detection model. Moreover, we have applied the proposed methods to competition ACM MM2021 Robust Logo Detection that is organized by Alibaba on the Tianchi platform and won top 2 in 36489 teams. Code is available at https://github.com/jiaxiaojunQAQ/Robust-Logo-Detection.
• Abstract（参考訳）: 近年では、文学、発明、芸術作品などを代表する知的財産(IP)が次第に人々の注目を集めている。 特にeコマースの普及に伴い、IPは製品デザインやブランドだけでなく、Eコマースプラットフォームに表示される画像やビデオも表現している。 残念なことに、一部の攻撃者は、よく訓練されたロゴ検出モデルを騙すためにいくつかの敵対的手法を採用している。 そこで本稿では,2回目視・思考機構に基づく新しいロゴ検出手法を提案し,ロバストなロゴ検出法を提案する。 提案する検出器は他の主流検出器と異なり、小型の物体、ロングテールの物体を効果的に検出し、逆向きの画像に頑健である。 より詳しくは、デテクトRSアルゴリズムを、等化損失関数、マルチスケール変換、および逆データ拡張を備えたカスケードスキーマに拡張する。 実験の結果,提案手法は検出モデルのロバスト性を効果的に向上できることが示された。 さらに,提案手法を,アリババがTianchiプラットフォーム上で編成したACM MM2021ロバストローゴ検出に応用し,36489チームで2位となった。 コードはhttps://github.com/jiaxiaojunQAQ/Robust-Logo-Detectionで入手できる。

関連論文リスト

• Image Copy-Move Forgery Detection and Localization Scheme: How to Avoid Missed Detection and False Alarm [10.135979083516174]
  画像コピー-ムーブ(英: Image copy-move)は、画像の一部が同じ画像の別の部分に置き換えられる操作であり、違法な目的に使用できる。 近年の研究では、キーポイントに基づくアルゴリズムは、優れた、ロバストなローカライゼーション性能を達成している。 しかし、入力画像が低解像度である場合、既存のキーポイントベースのアルゴリズムのほとんどは、十分なキーポイントを生成するのが困難である。
  論文  参考訳（メタデータ） (2024-06-05T13:50:29Z)
• PrObeD: Proactive Object Detection Wrapper [15.231600709902127]
  PrObeDはエンコーダ・デコーダアーキテクチャで構成されており、エンコーダネットワークは入力画像の暗号化のために画像依存の信号テンプレートを生成する。 本稿では,プロアクティブな手法に基づくラッパーPrObeDを提案する。 PrObeDの適用後,MS-COCO,CAMO,COD$10$K,NC$4$Kのデータセットを用いた実験を行った。
  論文  参考訳（メタデータ） (2023-10-28T19:25:01Z)
• A Cross-direction Task Decoupling Network for Small Logo Detection [28.505952002735334]
  我々は,小さなロゴ検出のためのクロスダイレクトタスクデカップリングネットワーク(CTDNet)を創造的に提案する。 4つのロゴデータセットの総合的な実験により,提案手法の有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-04T02:23:34Z)
• Context-Aware Transfer Attacks for Object Detection [51.65308857232767]
  本稿では,オブジェクト検出のためのコンテキスト認識攻撃を新たに生成する手法を提案する。 オブジェクトとその相対的な位置と大きさの共起をコンテキスト情報として利用することにより、ターゲットの誤分類攻撃をうまく生成できることを示す。
  論文  参考訳（メタデータ） (2021-12-06T18:26:39Z)
• Discriminative Semantic Feature Pyramid Network with Guided Anchoring for Logo Detection [52.36825190893928]
  我々は,DSFP-GAを用いた識別的セマンティック特徴ピラミッドネットワークという新しい手法を提案する。 我々のアプローチは主に差別的セマンティック特徴ピラミッド(DSFP)とガイドアンコリング(GA)から構成される。
  論文  参考訳（メタデータ） (2021-08-31T11:59:00Z)
• Object Hider: Adversarial Patch Attack Against Object Detectors [10.920696684006488]
  本稿では,現在最先端の物体検出モデルに対する敵攻撃に着目した。 現実的な代替手段として、攻撃には敵パッチを使用します。 実験の結果,提案手法は高い有効性,伝達性,汎用性を示した。
  論文  参考訳（メタデータ） (2020-10-28T13:34:16Z)
• DPAttack: Diffused Patch Attacks against Universal Object Detection [66.026630370248]
  対象検出に対する敵対攻撃は、全画素攻撃とパッチ攻撃の2つのカテゴリに分けられる。 小惑星や格子状形状の拡散パッチを用いて物体検出装置を騙すための拡散パッチ攻撃(textbfDPAttack)を提案する。 実験の結果、我々のDPAttackは拡散パッチでほとんどの物体検出器を騙すことに成功した。
  論文  参考訳（メタデータ） (2020-10-16T04:48:24Z)
• LogoDet-3K: A Large-Scale Image Dataset for Logo Detection [61.296935298332606]
  完全アノテーション付き最大のロゴ検出データセットであるLogoDet-3Kを紹介する。 3000のロゴカテゴリー、約20万の注釈付きロゴオブジェクト、158,652の画像がある。 大規模なロゴ検出のための最先端のYOLOv3フレームワークにFocal LosとCIoU Losを組み込んだ強力なベースライン手法であるLogo-Yoloを提案する。
  論文  参考訳（メタデータ） (2020-08-12T14:57:53Z)
• Attentive WaveBlock: Complementarity-enhanced Mutual Networks for Unsupervised Domain Adaptation in Person Re-identification and Beyond [97.25179345878443]
  本稿では,新しい軽量モジュールであるAttentive WaveBlock (AWB)を提案する。 AWBは相互学習の二重ネットワークに統合され、相互学習の相補性を高め、擬似ラベルのノイズをさらに抑えることができる。 実験により, 提案手法は, 複数のUDA人物再識別タスクを大幅に改善し, 最先端の性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-06-11T15:40:40Z)

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。