論文の概要: CenterPoly: real-time instance segmentation using bounding polygons
- arxiv url: http://arxiv.org/abs/2108.08923v1
- Date: Thu, 19 Aug 2021 21:31:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-23 13:29:59.842587
- Title: CenterPoly: real-time instance segmentation using bounding polygons
- Title（参考訳）: CenterPoly: 有界ポリゴンを用いたリアルタイムインスタンスセグメンテーション
- Authors: Hughes Perreault, Guillaume-Alexandre Bilodeau, Nicolas Saunier and
Maguelonne H\'eritier
- Abstract要約: 有界多角形を用いたリアルタイムインスタンスセグメンテーションのための新しい手法であるCenterPolyを提案する。
都市部密集環境における道路利用者の検出に応用し,自動走行車などのインテリジェント交通システムへの適用に適している。
ネットワークパラメータのほとんどはネットワークヘッドによって共有され、高速かつ軽量でリアルタイムに実行することができる。
- 参考スコア（独自算出の注目度）: 11.365829102707014
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a novel method, called CenterPoly, for real-time instance
segmentation using bounding polygons. We apply it to detect road users in dense
urban environments, making it suitable for applications in intelligent
transportation systems like automated vehicles. CenterPoly detects objects by
their center keypoint while predicting a fixed number of polygon vertices for
each object, thus performing detection and segmentation in parallel. Most of
the network parameters are shared by the network heads, making it fast and
lightweight enough to run at real-time speed. To properly convert mask
ground-truth to polygon ground-truth, we designed a vertex selection strategy
to facilitate the learning of the polygons. Additionally, to better segment
overlapping objects in dense urban scenes, we also train a relative depth
branch to determine which instances are closer and which are further, using
available weak annotations. We propose several models with different backbones
to show the possible speed / accuracy trade-offs. The models were trained and
evaluated on Cityscapes, KITTI and IDD and the results are reported on their
public benchmark, which are state-of-the-art at real-time speeds. Code is
available at https://github.com/hu64/CenterPoly
- Abstract（参考訳）: 有界多角形を用いたリアルタイムインスタンスセグメンテーションのための新しい手法であるCenterPolyを提案する。
都市密集環境における道路利用者の検出に応用し,自動走行車などのインテリジェント交通システムへの適用に適している。
CenterPolyは、各オブジェクトに対する固定数のポリゴン頂点を予測しながら、その中心キーポイントでオブジェクトを検出し、並列に検出とセグメンテーションを行う。
ネットワークパラメータのほとんどはネットワークヘッドによって共有され、高速かつ軽量でリアルタイムに実行することができる。
マスク接地をポリゴン接地接地接地に適切に変換するため,多角形学習を容易にするために頂点選択戦略を考案した。
さらに,密集した都市シーンで重なり合う物体をよりよくセグメント化するために,利用可能な弱いアノテーションを用いて,相対的な深さ分岐を訓練して,どのインスタンスが近いか,さらにどのインスタンスが近いかを判断する。
速度/精度のトレードオフを示すために,異なるバックボーンを持つモデルを提案する。
モデルは、Cityscapes、KITTI、IDDでトレーニング、評価され、その結果は彼らの公開ベンチマークで報告される。
コードはhttps://github.com/hu64/CenterPolyで入手できる。
関連論文リスト
- KP-RED: Exploiting Semantic Keypoints for Joint 3D Shape Retrieval and Deformation [87.23575166061413]
KP-RED は KeyPoint 主導の Retrieval and deformation フレームワークである。
オブジェクトスキャンを入力として、最も幾何学的に類似したCADモデルを共同で検索し、変形させる。
論文 参考訳（メタデータ） (2024-03-15T08:44:56Z) - Progressive Evolution from Single-Point to Polygon for Scene Text [79.29097971932529]
単点をコンパクトな多角形に効率よく変換できるPoint2Polygonを導入する。
まず認識信頼度に基づいてアンカーポイントを作成し,ポリゴンを垂直に水平に精製する。
また,本手法により生成したポリゴンを用いた学習において,GTと比較して精度の86%を達成し,さらに,提案したPoint2Polygonをシームレスに統合することにより,単一点スポッターにポリゴンの生成を促進させることができた。
論文 参考訳（メタデータ） (2023-12-21T12:08:27Z) - Real-time instance segmentation with polygons using an
Intersection-over-Union loss [13.020122353444497]
従来型回帰L1損失を新しい領域ベース損失と新しい順序損失で向上させることにより、CenterPolyよりも改善する。
実験により、回帰損失と地域ベースの損失の組み合わせは、CityscapesとIDDテストセットに大きな改善をもたらすことが示された。
論文 参考訳（メタデータ） (2023-05-09T14:43:38Z) - DPPD: Deformable Polar Polygon Object Detection [3.9236649268347765]
我々は,ポリゴン形状の物体を検出するための新しい変形可能な極ポリゴン物体検出法(DPPD)を開発した。
DPPDは、自律運転のための様々な物体検出タスクで成功している。
論文 参考訳（メタデータ） (2023-04-05T06:43:41Z) - POCO: Point Convolution for Surface Reconstruction [92.22371813519003]
入射ニューラルネットワークは点雲からの表面再構成に成功している。
それらの多くは、オブジェクトやシーン全体を1つの潜伏ベクトルにエンコードするときにスケーラビリティの問題に直面します。
本稿では,各入力点における点雲畳み込みと潜在ベクトルの計算を提案する。
論文 参考訳（メタデータ） (2022-01-05T21:26:18Z) - PolyWorld: Polygonal Building Extraction with Graph Neural Networks in
Satellite Images [10.661430927191205]
本稿では、画像から直接建物頂点を抽出し、それらを正しく接続して正確なポリゴンを生成するニューラルネットワークであるPolyWorldを紹介する。
PolyWorldは、ポリゴン化の構築における最先端を著しく上回る。
論文 参考訳（メタデータ） (2021-11-30T15:23:17Z) - Theoretical and Empirical Analysis of a Fast Algorithm for Extracting Polygons from Signed Distance Bounds [0.0]
本稿では,符号付き距離境界をポリゴンメッシュに変換する方法を紹介し,検討する。
我々は、このアプローチが$O(N2log N)$計算複雑性であり、$N3$セルを持つ多角化格子であることを示す理論的および実験的証拠を提供する。
そのスピード、実装の単純さ、ポータビリティを考えると、モデリングの段階でも、ストレージの形状圧縮においても有用である、と我々は主張する。
論文 参考訳（メタデータ） (2021-11-10T16:31:27Z) - PolyTrack: Tracking with Bounding Polygons [11.365829102707014]
Polytrackは、中心キーポイントのヒートマップを生成してオブジェクトを検出する。
ラフセグメンテーションは、従来のバウンディングボックスではなく、各インスタンス上のバウンディングポリゴンを計算することで行われる。
我々はMOTSおよびKITTIMOTSデータセット上でPolyTrackを訓練・評価した。
論文 参考訳（メタデータ） (2021-11-02T14:05:41Z) - PolyNet: Polynomial Neural Network for 3D Shape Recognition with
PolyShape Representation [51.147664305955495]
3次元形状表現とその処理は3次元形状認識に大きな影響を及ぼす。
我々は、ディープニューラルネットワークに基づく手法(PolyNet)と特定のポリゴン表現(PolyShape)を提案する。
本研究では,3次元形状分類と検索作業におけるPolyNetの長所と長所を実証した。
論文 参考訳（メタデータ） (2021-10-15T06:45:59Z) - 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) - Segment as Points for Efficient Online Multi-Object Tracking and
Segmentation [66.03023110058464]
本稿では,コンパクトな画像表現を非秩序な2次元点クラウド表現に変換することで,セグメントに基づくインスタンス埋め込みの学習に有効な方法を提案する。
本手法は,画像ではなく,ランダムに選択された点から識別インスタンスの埋め込みを学習する,新たなトラッキング・バイ・ポイントのパラダイムを生成する。
PointTrackという名前のオンラインMOTSフレームワークは、最先端のすべてのメソッドを大きなマージンで上回っている。
論文 参考訳（メタデータ） (2020-07-03T08:29:35Z)
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。