論文の概要: Fine-Grained Image Analysis with Deep Learning: A Survey

• arxiv url: http://arxiv.org/abs/2111.06119v1
• Date: Thu, 11 Nov 2021 09:43:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-12 21:17:42.503095
• Title: Fine-Grained Image Analysis with Deep Learning: A Survey
• Title（参考訳）: ディープラーニングを用いたきめ細かい画像解析:サーベイ
• Authors: Xiu-Shen Wei and Yi-Zhe Song and Oisin Mac Aodha and Jianxin Wu and Yuxin Peng and Jinhui Tang and Jian Yang and Serge Belongie
• Abstract要約: きめ細かい画像解析(FGIA)は、コンピュータビジョンとパターン認識における長年の根本的な問題である。 本稿では、FGIAの分野を再定義し、FGIAの2つの基礎研究領域、細粒度画像認識と細粒度画像検索を統合することで、FGIAの分野を広げようとしている。
• 参考スコア（独自算出の注目度）: 146.22351342315233
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fine-grained image analysis (FGIA) is a longstanding and fundamental problem in computer vision and pattern recognition, and underpins a diverse set of real-world applications. The task of FGIA targets analyzing visual objects from subordinate categories, e.g., species of birds or models of cars. The small inter-class and large intra-class variation inherent to fine-grained image analysis makes it a challenging problem. Capitalizing on advances in deep learning, in recent years we have witnessed remarkable progress in deep learning powered FGIA. In this paper we present a systematic survey of these advances, where we attempt to re-define and broaden the field of FGIA by consolidating two fundamental fine-grained research areas -- fine-grained image recognition and fine-grained image retrieval. In addition, we also review other key issues of FGIA, such as publicly available benchmark datasets and related domain-specific applications. We conclude by highlighting several research directions and open problems which need further exploration from the community.
• Abstract（参考訳）: 細粒度画像解析(FGIA)は、コンピュータビジョンとパターン認識における長年の基本的な問題であり、様々な現実世界の応用の基盤となっている。 fgiaの目標は、鳥の種類や車のモデルなど、下位のカテゴリから視覚オブジェクトを分析することである。 細粒度画像解析に固有の小クラス間および大クラス内変動は課題となっている。 近年、深層学習の進歩に乗じて、深層学習によるFGIAの顕著な進歩を目の当たりにしてきた。 本稿では,これらの進歩を体系的に調査し,精細画像認識と細粒画像検索という2つの基礎的研究領域を統合し,fgiaの分野を再定義し,広めることを試みる。 さらに、FGIAの他の重要な問題、例えば、公開ベンチマークデータセットや関連するドメイン固有のアプリケーションについてもレビューする。 結論として,研究の方向性と,コミュニティからのさらなる探索を必要とするオープンな問題を強調する。

関連論文リスト

• Deep Graph Anomaly Detection: A Survey and New Perspectives [86.84201183954016]
  グラフ異常検出(GAD)は、異常なグラフインスタンス(ノード、エッジ、サブグラフ、グラフ)を特定することを目的とする。 ディープラーニングアプローチ、特にグラフニューラルネットワーク(GNN)は、GADにとって有望なパラダイムとして現れています。
  論文  参考訳（メタデータ） (2024-09-16T03:05:11Z)
• A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
  水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。 多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
  論文  参考訳（メタデータ） (2024-05-30T04:46:40Z)
• A Survey on Evolutionary Computation for Computer Vision and Image Analysis: Past, Present, and Future Trends [6.48586558584924]
  異なるアプローチの貢献について議論することで、進化的コンピュータビジョン(ECV)をよりよく理解することを目的としている。 この研究分野に関連する応用、課題、課題、傾向についても論じ、まとめる。
  論文  参考訳（メタデータ） (2022-09-14T03:35:25Z)
• Deep Image Deblurring: A Survey [165.32391279761006]
  低レベルのコンピュータビジョンにおいて、デブロアリングは古典的な問題であり、ぼやけた入力画像からシャープなイメージを復元することを目的としている。 近年のディープラーニングの進歩は、この問題の解決に大きな進歩をもたらした。
  論文  参考訳（メタデータ） (2022-01-26T01:31:30Z)
• Mask-Guided Feature Extraction and Augmentation for Ultra-Fine-Grained Visual Categorization [15.627971638835948]
  超微細きめの視覚分類(Ultra-FGVC)問題も検討されている。 FGVCは、同じ種からオブジェクトを分類することを目的としており、Ultra-FGVCは、超微細な粒度で画像を分類するより難しい問題をターゲットにしている。 Ultra-FGVCの課題は主に2つの側面から成り立っている。 本稿では,画像の識別・情報領域を抽出するマスク誘導特徴抽出と特徴拡張手法を提案する。
  論文  参考訳（メタデータ） (2021-09-16T06:57:05Z)
• Automatic Gaze Analysis: A Survey of DeepLearning based Approaches [61.32686939754183]
  視線分析はコンピュータビジョンとヒューマン・コンピュータ・インタラクションの分野で重要な研究課題である。 制約のない環境で視線方向を解釈するための重要な手がかりは何か、いくつかのオープンな質問がある。 我々は、これらの基本的な疑問に光を当てるために、様々な視線分析タスクと応用の進捗を概観する。
  論文  参考訳（メタデータ） (2021-08-12T00:30:39Z)
• A Survey on Heterogeneous Graph Embedding: Methods, Techniques, Applications and Sources [79.48829365560788]
  異種情報ネットワーク (heterogenous information network) としても知られるヘテロジニアスグラフ (HGs) は、現実のシナリオにおいてユビキタス化されている。 HG埋め込みは、下流タスクのための不均一な構造と意味を保ちながら、低次元空間での表現を学習することを目的としている。
  論文  参考訳（メタデータ） (2020-11-30T15:03:47Z)

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。