論文の概要: AlphaRotate: A Rotation Detection Benchmark using TensorFlow
- arxiv url: http://arxiv.org/abs/2111.06677v1
- Date: Fri, 12 Nov 2021 11:56:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-15 14:22:54.599533
- Title: AlphaRotate: A Rotation Detection Benchmark using TensorFlow
- Title（参考訳）: AlphaRotate:TensorFlowを使用した回転検出ベンチマーク
- Authors: Xue Yang, Yue Zhou, Junchi Yan
- Abstract要約: AlphaRotateは、さまざまなデータセットでスケーラブルなローテーション検出を実行するためのオープンソースのベンチマークである。
現在、単一のドキュメント化されたAPIの下で18以上の一般的な回転検出モデルを提供している。
AlphaRotateはPyPIからインストールでき、Apache-2.0ライセンスでリリースされている。
- 参考スコア（独自算出の注目度）: 63.39088942989411
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AlphaRotate is an open-source Tensorflow benchmark for performing scalable
rotation detection on various datasets. It currently provides more than 18
popular rotation detection models under a single, well-documented API designed
for use by both practitioners and researchers. AlphaRotate regards high
performance, robustness, sustainability and scalability as the core concept of
design, and all models are covered by unit testing, continuous integration,
code coverage, maintainability checks, and visual monitoring and analysis.
AlphaRotate can be installed from PyPI and is released under the Apache-2.0
License. Source code is available at
https://github.com/yangxue0827/RotationDetection.
- Abstract（参考訳）: alpharotateはオープンソースのtensorflowベンチマークで、さまざまなデータセットでスケーラブルなローテーション検出を行う。
現在、専門家と研究者の両方が使用するように設計された、十分に文書化された単一のAPIの下で、一般的な18以上のローテーション検出モデルを提供している。
alpharotateは、ハイパフォーマンス、堅牢性、持続可能性、スケーラビリティを設計のコアコンセプトとして捉えており、すべてのモデルは、ユニットテスト、継続的インテグレーション、コードカバレッジ、保守性チェック、視覚的な監視と分析でカバーされている。
AlphaRotateはPyPIからインストールでき、Apache-2.0ライセンスでリリースされている。
ソースコードはhttps://github.com/yangxue0827/RotationDetectionで入手できる。
関連論文リスト
- RIDE: Boosting 3D Object Detection for LiDAR Point Clouds via Rotation-Invariant Analysis [15.42293045246587]
RIDEは3D LiDAR-point-based object DEtectorの回転不変性の先駆的な探索である。
回転に敏感ではあるが幾何をよく保持できる2機能抽出器と、幾何情報をある程度失うが回転に頑健な回転不変特徴を抽出する。
我々のRIDEは互換性があり、既存の1段と2段の3D検出器に簡単に接続でき、検出性能と回転ロバスト性の両方を高めることができる。
論文 参考訳（メタデータ） (2024-08-28T08:53:33Z) - Adaptive Rotated Convolution for Rotated Object Detection [96.94590550217718]
本稿では、回転物体検出問題に対処するために、適応回転変換(ARC)モジュールを提案する。
ARCモジュールでは、コンボリューションカーネルが適応的に回転し、異なる画像に異なる向きのオブジェクト特徴を抽出する。
提案手法は,81.77%mAPのDOTAデータセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2023-03-14T11:53:12Z) - MMRotate: A Rotated Object Detection Benchmark using Pytorch [68.3869241353113]
我々はMMRotateというオープンソースのツールボックスを提案し、オブジェクトの回転検出のためのコヒーレントなアルゴリズムフレームワークを提供する。
MMRotateは18の最先端アルゴリズムを実装し、最も頻繁に使用される3つの角度定義法をサポートしている。
また、多数のトレーニングされたモデルと詳細なベンチマークを提供し、回転したオブジェクト検出のパフォーマンスに関する洞察を与えています。
論文 参考訳（メタデータ） (2022-04-28T07:31:00Z) - ART-Point: Improving Rotation Robustness of Point Cloud Classifiers via
Adversarial Rotation [89.47574181669903]
本研究では, 点雲分類器の回転ロバスト性も, 対角訓練により得られることを示す。
具体的には、ART-Pointというフレームワークは、ポイントクラウドの回転を攻撃と見なしている。
最終的なロバストモデルに効率よく到達するために,高速なワンステップ最適化を提案する。
論文 参考訳（メタデータ） (2022-03-08T07:20:16Z) - Attentive Rotation Invariant Convolution for Point Cloud-based Large
Scale Place Recognition [11.433270318356675]
本稿では,Attentive Rotation Invariant Convolution (ARIConv)を提案する。
クラウドスキャンを回転させた場合の大規模位置認識タスクにおいて,本モデルが最先端の性能を達成できることを実験的に実証した。
論文 参考訳（メタデータ） (2021-08-29T09:10:56Z) - ReDet: A Rotation-equivariant Detector for Aerial Object Detection [27.419045245853706]
これらの問題に対処するために、回転等変性検出器(ReDet)を提案する。
回転同変ネットワークを検出器に組み込んで回転同変特徴を抽出する。
本手法は,空中物体検出作業における最先端性能を実現する。
論文 参考訳（メタデータ） (2021-03-13T15:37:36Z) - 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) - On the Arbitrary-Oriented Object Detection: Classification based
Approaches Revisited [94.5455251250471]
まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。
我々は、角予測タスクを回帰問題から分類問題に変換する。
得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
論文 参考訳（メタデータ） (2020-03-12T03:23:54Z)
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。