論文の概要: ELSED: Enhanced Line SEgment Drawing

• arxiv url: http://arxiv.org/abs/2108.03144v1
• Date: Fri, 6 Aug 2021 14:33:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-09 16:19:39.340797
• Title: ELSED: Enhanced Line SEgment Drawing
• Title（参考訳）: ELSED: 線画の強化
• Authors: Iago Su\'arez, Jos\'e M. Buenaposada, Luis Baumela
• Abstract要約: ELSEDは文献で最も高速な線分検出器である。 提案したアルゴリズムは、非常にローエンドなハードウェアを持つデバイスで動作するだけでなく、短いセグメントや長いセグメントの検出を促進するためにパラメータ化することもできる。
• 参考スコア（独自算出の注目度）: 2.470815298095903
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting local features, such as corners, segments or blobs, is the first step in the pipeline of many Computer Vision applications. Its speed is crucial for real time applications. In this paper we present ELSED, the fastest line segment detector in the literature. The key for its efficiency is a local segment growing algorithm that connects gradient aligned pixels in presence of small discontinuities. The proposed algorithm not only runs in devices with very low end hardware, but may also be parametrized to foster the detection of short or longer segments, depending on the task at hand. We also introduce new metrics to evaluate the accuracy and repeatability of segment detectors. In our experiments with different public benchmarks we prove that our method is the most efficient in the literature and quantify the accuracy traded for such gain.
• Abstract（参考訳）: コーナー、セグメント、ブロブなどのローカル機能を検出することは、多くのコンピュータビジョンアプリケーションのパイプラインの最初のステップである。 リアルタイムアプリケーションにはスピードが不可欠だ。 本稿では,文献中で最速の線分検出器である elsed について述べる。 その効率の鍵は、小さな不連続の存在下で勾配アラインされたピクセルを接続する局所セグメント成長アルゴリズムである。 提案したアルゴリズムは、非常にローエンドなハードウェアを持つデバイスで動作するだけでなく、手作業に応じて短いセグメントや長いセグメントの検出を促進するためにパラメータ化することもできる。 セグメント検出器の精度と再現性を評価するための新しい指標も導入する。 公開ベンチマークの異なる実験では,本手法が文献において最も効率的であることを証明し,その精度を定量的に評価した。

関連論文リスト

• Learning to Make Keypoints Sub-Pixel Accurate [80.55676599677824]
  本研究は,2次元局所特徴の検出におけるサブピクセル精度の課題に対処する。 本稿では,検出された特徴に対するオフセットベクトルを学習することにより,サブピクセル精度で検出器を拡張できる新しいネットワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T12:39:56Z)
• UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
  本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。 我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。 Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
  論文  参考訳（メタデータ） (2022-12-08T18:59:57Z)
• CBNet: A Plug-and-Play Network for Segmentation-Based Scene Text Detection [13.679267531492062]
  本稿では,これらの問題に対処するためのコンテキスト認識および境界誘導ネットワーク(CBN)を提案する。 CBNでは、最初のセグメンテーション結果を予測するために、まず基本的なテキスト検出器が使用される。 最後に,輪郭上の画素のみに適応的に拡張されたテキストカーネルを拡張するための境界誘導モジュールを提案する。
  論文  参考訳（メタデータ） (2022-12-05T15:15:27Z)
• Latent Space Unsupervised Semantic Segmentation [0.0]
  従来の変更点検出アルゴリズムには欠点があり、現実の応用性が制限されている。 本研究は,Latent Space Unsupervised (LS-USS) という新しい非教師付き多次元時系列を提案する。 LS-USSは、オフラインとリアルタイムの両方で、同等またはより良いパフォーマンスをシステマティックに達成する。
  論文  参考訳（メタデータ） (2022-07-22T13:11:42Z)
• Real-Time Scene Text Detection with Differentiable Binarization and Adaptive Scale Fusion [62.269219152425556]
  セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。 本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。 アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
  論文  参考訳（メタデータ） (2022-02-21T15:30:14Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• 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)
• Sensor-Based Continuous Hand Gesture Recognition by Long Short-Term Memory [0.1580926907837365]
  本稿では,Long Short-term memory (LSTM) を用いたセンサを用いた連続手動作認識アルゴリズムを提案する。 スマートフォンをベースとしたプロトタイプシステムを試作し,性能評価を行った。 実験結果から,提案アルゴリズムは頑健かつ正確な手の位置認識の有効な代替手段であることが示された。
  論文  参考訳（メタデータ） (2020-07-22T08:40:40Z)
• Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
  本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。 我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T10:51:32Z)

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。