論文の概要: Predicting Rebar Endpoints using Sin Exponential Regression Model
- arxiv url: http://arxiv.org/abs/2110.08955v1
- Date: Mon, 18 Oct 2021 00:38:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-19 17:24:32.849339
- Title: Predicting Rebar Endpoints using Sin Exponential Regression Model
- Title（参考訳）: Sin指数回帰モデルによる残差終点予測
- Authors: Jong-Chan Park, Hye-Youn Lim, and Dae-Seong Kang
- Abstract要約: 本稿では, YOLO(You Only Look Once)v3に基づいて, マシンビジョンカメラに入力された残差終端画像の検出と追跡を行う手法を提案する。
提案手法は、OPPDetモデルにおいて、残差エンドポイントが遠くにあるフレーム位置の大規模な予測誤差率の問題を解決する。
- 参考スコア（独自算出の注目度）: 4.129225533930966
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Currently, unmanned automation studies are underway to minimize the loss rate
of rebar production and the time and accuracy of calibration when producing
defective products in the cutting process of processing rebar factories. In
this paper, we propose a method to detect and track rebar endpoint images
entering the machine vision camera based on YOLO (You Only Look Once)v3, and to
predict rebar endpoint in advance with sin exponential regression of acquired
coordinates. The proposed method solves the problem of large prediction error
rates for frame locations where rebar endpoints are far away in OPPDet (Object
Position Prediction Detect) models, which prepredict rebar endpoints with
improved results showing 0.23 to 0.52% less error rates at sin exponential
regression prediction points.
- Abstract（参考訳）: 現在,レバー工場の加工工程における不良品製造時のレバー生産の損失率とキャリブレーションの時間と精度を最小化するために無人自動化研究が進められている。
本稿では、ylo(you only look once)v3に基づいて、機械ビジョンカメラに入力されるリバーエンドポイント画像の検出と追跡を行い、取得した座標のsin指数回帰を用いて予めリバーエンドポイントを予測する手法を提案する。
提案手法は,oppdet(object position prediction detection)モデルにおいて,rebarエンドポイントが遠方にあるフレーム位置に対する大きな予測誤差率の問題を解決し,sin指数回帰予測点において0.23～0.52%の誤差率を向上させた。
関連論文リスト
- Robust Visual Tracking via Iterative Gradient Descent and Threshold Selection [4.978166837959101]
本稿では, 誤差ベクトルがガウス-ラプラシアン分布に従えば, 良好な性能が得られる新しい線形回帰推定器を提案する。
さらに、IGDTSを生成トラッカーに拡張し、IGDTS距離を適用してサンプルとモデル間のずれを測定する。
いくつかの難解な画像列の実験結果から,提案したトラッカーは既存のトラッカーより優れていた。
論文 参考訳（メタデータ） (2024-06-02T01:51:09Z) - Vanishing Point Estimation in Uncalibrated Images with Prior Gravity
Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。
2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。
また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文 参考訳（メタデータ） (2023-08-21T13:03:25Z) - Thread Counting in Plain Weave for Old Paintings Using Semi-Supervised
Regression Deep Learning Models [0.0]
筆者らは, 深層学習に基づく回帰手法を開発し, 平織りキャンバス解析のためのスレッド密度推定を行う。
提案アルゴリズムの性能は,Ribera,Vel'azquez,Poussinの3つの手法を用いて解析し,従来の手法と比較した。
論文 参考訳（メタデータ） (2023-03-28T14:15:13Z) - Bias-Compensated Integral Regression for Human Pose Estimation [21.75308054647583]
本稿では,ソフトマックスと期待演算を組み合わせた積分回帰による帰納バイアスを明らかにする。
バイアスを補償する統合回帰ベースのフレームワークであるバイアス補償積分回帰(BCIR)を提案する。
BCIRは従来の積分回帰よりも高速で精度が高く、最先端の検出手法と競合する。
論文 参考訳（メタデータ） (2023-01-25T06:54:04Z) - Dual Accuracy-Quality-Driven Neural Network for Prediction Interval Generation [0.0]
本稿では,回帰に基づくニューラルネットワークの予測間隔を自動的に学習する手法を提案する。
我々の主な貢献は、PI世代ネットワークのための新しい損失関数の設計である。
合成データセット,8つのベンチマークデータセット,および実世界の収量予測データセットを用いて実験したところ,本手法は有意な確率カバレッジを維持することができた。
論文 参考訳（メタデータ） (2022-12-13T05:03:16Z) - Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
論文 参考訳（メタデータ） (2021-07-08T15:19:36Z) - Imputation-Free Learning from Incomplete Observations [73.15386629370111]
本稿では,不備な値を含む入力からの推論をインプットなしでトレーニングするIGSGD法の重要性について紹介する。
バックプロパゲーションによるモデルのトレーニングに使用する勾配の調整には強化学習(RL)を用いる。
我々の計算自由予測は、最先端の計算手法を用いて従来の2段階の計算自由予測よりも優れている。
論文 参考訳（メタデータ） (2021-07-05T12:44:39Z) - Soft Expectation and Deep Maximization for Image Feature Detection [68.8204255655161]
質問をひっくり返し、まず繰り返し可能な3Dポイントを探し、次に検出器を訓練して画像空間にローカライズする、反復的半教師付き学習プロセスSEDMを提案する。
以上の結果から,sdmを用いてトレーニングした新しいモデルでは,シーン内の下位3dポイントのローカライズが容易になった。
論文 参考訳（メタデータ） (2021-04-21T00:35:32Z) - Pixel-in-Pixel Net: Towards Efficient Facial Landmark Detection in the
Wild [104.61677518999976]
顔のランドマークを検出するために,Pixel-in-Pixel Net(PIPNet)を提案する。
提案モデルは,熱マップ回帰に基づく新しい検出ヘッドを備える。
PIPNetのクロスドメイン一般化能力をさらに向上するため,カリキュラムによる自己学習を提案する。
論文 参考訳（メタデータ） (2020-03-08T12:23:42Z) - Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。
我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。
LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2020-02-29T06:24:55Z)
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。