Fugu-MT 論文翻訳(概要): ARPD: Anchor-free Rotation-aware People Detection using Topview Fisheye Camera

論文の概要: ARPD: Anchor-free Rotation-aware People Detection using Topview Fisheye Camera

arxiv url: http://arxiv.org/abs/2201.10107v1
Date: Tue, 25 Jan 2022 05:49:50 GMT
ステータス: 処理完了
システム内更新日: 2022-01-26 15:41:15.682951
Title: ARPD: Anchor-free Rotation-aware People Detection using Topview Fisheye Camera
Title（参考訳）: ARPD:Topview Fisheye Cameraを用いたアンカーレス回転認識人検出
Authors: Quan Nguyen Minh, Bang Le Van, Can Nguyen, Anh Le and Viet Dung Nguyen
Abstract要約: 本研究では,魚眼画像中の任意回転者を検知する単一段アンカーフリー完全畳み込みネットワークARPDを提案する。提案手法は最先端のアルゴリズムと非常に高速に動作しながら競合する。
参考スコア（独自算出の注目度）: 3.0868856870169625
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: People detection in top-view, fish-eye images is challenging as people in fish-eye images often appear in arbitrary directions and are distorted differently. Due to this unique radial geometry, axis-aligned people detectors often work poorly on fish-eye frames. Recent works account for this variability by modifying existing anchor-based detectors or relying on complex pre/post-processing. Anchor-based methods spread a set of pre-defined bounding boxes on the input image, most of which are invalid. In addition to being inefficient, this approach could lead to a significant imbalance between the positive and negative anchor boxes. In this work, we propose ARPD, a single-stage anchor-free fully convolutional network to detect arbitrarily rotated people in fish-eye images. Our network uses keypoint estimation to find the center point of each object and regress the object's other properties directly. To capture the various orientation of people in fish-eye cameras, in addition to the center and size, ARPD also predicts the angle of each bounding box. We also propose a periodic loss function that accounts for angle periodicity and relieves the difficulty of learning small-angle oscillations. Experimental results show that our method competes favorably with state-of-the-art algorithms while running significantly faster.
Abstract（参考訳）: 魚眼画像のトップビューで検出する人は、魚眼画像の人がしばしば任意の方向に現れ、異なる方向に歪んでいるため、難しい。このユニークな放射状形状のため、軸方向の人検知器は魚眼フレームではうまく機能しないことが多い。最近の研究は、既存のアンカーベースの検出器を変更したり、複雑な前/後処理に依存することで、この変動を説明できる。アンカーベースのメソッドは、入力イメージに予め定義されたバウンディングボックスのセットを広げるが、そのほとんどは無効である。非効率であることに加えて、このアプローチは正と負のアンカーボックスの間に大きな不均衡をもたらす可能性がある。本研究では,魚眼画像中の任意回転者を検知する単一段アンカーフリー完全畳み込みネットワークARPDを提案する。我々のネットワークはキーポイント推定を用いて各オブジェクトの中心点を見つけ、オブジェクトの他のプロパティを直接回帰します。魚眼カメラの人々の様々な方向を捉えるために、中央と大きさに加えて、ARPDは各バウンディングボックスの角度も予測する。また,角度周期性を考慮した周期損失関数を提案し,小角振動の学習の難しさを緩和する。実験の結果,より高速に動作しながら,最先端アルゴリズムと有利に競合することがわかった。

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)
RoFIR: Robust Fisheye Image Rectification Framework Impervious to Optical Center Deviation [88.54817424560056]
局所歪みの度合いと方向を測定する歪みベクトルマップ(DVM)を提案する。 DVMを学習することで、大域的な歪みパターンに頼ることなく、各ピクセルの局所歪みを独立に識別することができる。事前学習段階では、歪みベクトルマップを予測し、各画素の局所歪み特徴を知覚する。微調整段階では、魚眼画像修正のための画素単位のフローマップを予測する。
論文参考訳（メタデータ） (2024-06-27T06:38:56Z)
Point2RBox: Combine Knowledge from Synthetic Visual Patterns for End-to-end Oriented Object Detection with Single Point Supervision [81.60564776995682]
我々は、ポイント教師付きオブジェクト検出のためのエンドツーエンドソリューションであるPoint2RBoxを提案する。提案手法は軽量なパラダイムを用いているが,点教師付き代替品間での競合性能を実現する。特に,本手法は軽量なパラダイムを用いるが,点教師付き代替品間での競合性能を実現する。
論文参考訳（メタデータ） (2023-11-23T15:57:41Z)
PointOBB: Learning Oriented Object Detection via Single Point Supervision [55.88982271340328]
本稿では,オブジェクト指向物体検出のための最初の単一点ベース OBB 生成法である PointOBB を提案する。 PointOBBは、オリジナルビュー、リサイズビュー、ローテーション/フリップ(rot/flp)ビューの3つのユニークなビューの協調利用を通じて動作する。 DIOR-RとDOTA-v1.0データセットの実験結果は、PointOBBが有望な性能を達成することを示す。
論文参考訳（メタデータ） (2023-11-23T15:51:50Z)
Large-Scale Person Detection and Localization using Overhead Fisheye Cameras [40.004888590123954]
人検出と局所化のための,最初の大規模頭上魚眼データセットを提示する。本研究では,魚眼者検出ネットワークを構築し,魚眼者検出ネットワークを構築した。魚眼の位置決め液は、0.5mの精度で、0.1秒以内でFOVの全人物を特定できる。
論文参考訳（メタデータ） (2023-07-17T05:36:01Z)
Streaming Object Detection on Fisheye Cameras for Automatic Parking [0.0]
本稿では,未来を予測し,時間ラグ問題を緩和するデュアルフロー認識モジュールを備えたリアルタイム検出フレームワークを提案する。標準バウンディングボックスは、魚眼カメラの強い半径歪みのため、魚眼カメラ画像の物体には適さない。本稿では,物体の簡易かつ高精度な表現法であるボックスの角度を回帰する新しい周期的角度損失関数を提案する。
論文参考訳（メタデータ） (2023-05-24T04:30:25Z)
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)
Point RCNN: An Angle-Free Framework for Rotated Object Detection [13.209895262511015]
空中画像における回転物体検出は、任意方向、大規模かつアスペクト比のばらつき、オブジェクトの極端な密度のため、依然として困難である。本稿では、主に PointRPN と PointReg から構成される Point RCNN と呼ばれる、回転物体検出のための純粋に角度のないフレームワークを提案する。我々のPoint RCNNは、一般的に使用される航空データセット上で、最先端の検知性能を実現することを実証した。
論文参考訳（メタデータ） (2022-05-28T04:07:37Z)
DARDet: A Dense Anchor-free Rotated Object Detector in Aerial Images [11.45718985586972]
空中画像における回転物体検出のための高密度アンカーフリー回転物体検出器(DARDet)を提案する。我々のDARDetは、特徴マップの各前景ピクセルで回転したボックスの5つのパラメータを直接予測する。提案手法は, 一般的に使用されている3つの空中オブジェクトデータセットに対して, 最先端の性能を実現する。
論文参考訳（メタデータ） (2021-10-03T15:28:14Z)
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)
RAPiD: Rotation-Aware People Detection in Overhead Fisheye Images [13.290341167863495]
我々は、任意指向の有界ボックスを用いて人を検出する、RAPiDと呼ばれるエンドツーエンドの人検出手法を開発した。我々の完全畳み込みニューラルネットワークは周期的損失回転関数を用いて各境界ボックスの角度を直接回帰する。その結果,本手法は魚眼画像の3つのデータセットに対して,最先端の結果よりも優れていることがわかった。
論文参考訳（メタデータ） (2020-05-23T23:47:18Z)

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。