論文の概要: Mirror-Yolo: An attention-based instance segmentation and detection
model for mirrors
- arxiv url: http://arxiv.org/abs/2202.08498v1
- Date: Thu, 17 Feb 2022 08:03:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-18 15:18:52.053689
- Title: Mirror-Yolo: An attention-based instance segmentation and detection
model for mirrors
- Title(参考訳): Mirror-Yolo: 注意に基づくミラーのインスタンスセグメンテーションと検出モデル
- Authors: Fengze Li, Jieming Ma, Zhongbei Tian, Ji Ge, Hai-Ning Liang, Yungang
Zhang and Tianxi Wen
- Abstract要約: YOLOv4は、物体検出精度と速度の両方で驚くべき結果が得られる。
ミラーヨーロはミラー検出を中心に提案されている。
- 参考スコア(独自算出の注目度): 7.26389301409471
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mirrors can degrade the performance of computer vision models, however to
accurately detect mirrors in images remains challenging. YOLOv4 achieves
phenomenal results both in object detection accuracy and speed, nevertheless
the model often fails in detecting mirrors. In this paper, a novel mirror
detection method `Mirror-YOLO' is proposed, which mainly targets on mirror
detection. Based on YOLOv4, the proposed model embeds an attention mechanism
for better feature acquisition, and a hypercolumn-stairstep approach for
feature map fusion. Mirror-YOLO can also produce accurate bounding polygons for
instance segmentation. The effectiveness of our proposed model is demonstrated
by our experiments, compared to the existing mirror detection methods, the
proposed Mirror-YOLO achieves better performance in detection accuracy on the
mirror image dataset.
- Abstract(参考訳): 鏡はコンピュータビジョンモデルの性能を劣化させるが、画像中の鏡を正確に検出することは依然として困難である。
yolov4は物体検出精度と速度の両方で驚くべき結果を達成するが、ミラーの検出には失敗することが多い。
本稿では,ミラー検出を主目的とした新しいミラー検出手法"Mirror-YOLO"を提案する。
YOLOv4に基づく提案モデルでは,より優れた特徴獲得のための注意機構と,特徴マップ融合のためのハイパーカラム・ステップアプローチが組み込まれている。
Mirror-YOLO は実例分割のための正確な有界多角形も生成できる。
提案モデルの有効性を実験により実証し,既存のミラー検出法と比較して,ミラー画像データセットにおけるミラーyoloの検出精度が向上することを示した。
関連論文リスト
- Meta-learning the mirror map in policy mirror descent [13.724491757145385]
Policy Mirror Descent (PMD) は強化学習の一般的なフレームワークである。
メタラーニング手法を適用することにより、より効率的なミラーマップを同定し、性能を向上させる。
その結果,ミラーマップは様々な環境に適応できる可能性が示唆された。
論文 参考訳(メタデータ) (2024-02-07T19:01:06Z) - Are Large Language Models Good Prompt Optimizers? [65.48910201816223]
我々は,LLMに基づくPrompt Optimizationの実際のメカニズムを明らかにするために研究を行っている。
以上の結果から, LLMは, 反射中の誤差の真の原因を特定するのに苦慮し, 自己の事前知識に偏っていることが明らかとなった。
我々は、より制御可能な方法でターゲットモデルの振舞いを直接最適化する新しい「自動振舞い最適化」パラダイムを導入する。
論文 参考訳(メタデータ) (2024-02-03T09:48:54Z) - Mirror-Aware Neural Humans [22.310014498188384]
我々は,カメラの自動校正により,市販の2Dポーズから始まるコンシューマレベルの3Dモーションキャプチャシステムを開発した。
我々は,身体モデル学習のメリットを実証的に実証し,難解なミラーシーンにおける隠蔽を考慮に入れた。
論文 参考訳(メタデータ) (2023-09-09T10:43:45Z) - Efficient Mirror Detection via Multi-level Heterogeneous Learning [39.091162729266294]
HetNetは高効率なミラー検出ネットワークである。
HetNetは、ミラーを検出するために異なる段階で特定の情報を取得する効果的なアーキテクチャに従う。
最先端の手法と比較して、HetNetは664$%より高速に動作し、MAEでは8.9$%、IoUでは3.1$%、F測定では2.0$%という平均的なパフォーマンス向上を示している。
論文 参考訳(メタデータ) (2022-11-28T18:51:11Z) - Symmetry-Aware Transformer-based Mirror Detection [85.47570468668955]
デュアルパス・シンメトリ・アウェア・トランスフォーマーを用いたミラー検出ネットワーク(SATNet)を提案する。
SATNetにはSymmetry-Aware Attention Module (SAAM)とContrastとFusion Decoder Module (CFDM)の2つの新しいモジュールが含まれている。
実験の結果,SATNet は RGB と RGB-D の両方のミラー検出法に優れることがわかった。
論文 参考訳(メタデータ) (2022-07-13T16:40:01Z) - Image-Adaptive YOLO for Object Detection in Adverse Weather Conditions [34.993786158059436]
本稿では,画像適応型YOLO(IA-YOLO)フレームワークを提案する。
具体的には、YOLO検出器の悪天候を考慮した微分可能画像処理(DIP)モジュールを提示する。
我々は、CNN-PPとYOLOv3をエンドツーエンドで共同で学習し、CNN-PPが適切なDIPを学習し、弱い教師付きで検出のための画像を強化することを保証する。
論文 参考訳(メタデータ) (2021-12-15T12:54:17Z) - Progressive Self-Guided Loss for Salient Object Detection [102.35488902433896]
画像中の深層学習に基づくサラエント物体検出を容易にするプログレッシブ自己誘導損失関数を提案する。
我々のフレームワークは適応的に集約されたマルチスケール機能を利用して、健全な物体の探索と検出を効果的に行う。
論文 参考訳(メタデータ) (2021-01-07T07:33:38Z) - Location-aware Single Image Reflection Removal [54.93808224890273]
本稿では,位置認識型深層学習に基づく単一画像反射除去手法を提案する。
我々は,リフレクション信頼度マップをネットワークの手がかりとして活用し,リフレクション情報を適応的にエンコードする方法を学習する。
位置情報のネットワークへの統合は、反射除去結果の品質を大幅に向上させる。
論文 参考訳(メタデータ) (2020-12-13T19:34:35Z) - Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。
RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。
5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
論文 参考訳(メタデータ) (2020-12-02T03:14:57Z) - Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。
我々は,再建基準の代替として,異常スコアの代替尺度を提案した。
提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文 参考訳(メタデータ) (2020-03-24T08:26:58Z)
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。