論文の概要: Comprehensive Analysis of the Object Detection Pipeline on UAVs
- arxiv url: http://arxiv.org/abs/2203.00306v1
- Date: Tue, 1 Mar 2022 09:30:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-02 20:45:10.900897
- Title: Comprehensive Analysis of the Object Detection Pipeline on UAVs
- Title（参考訳）: UAVにおける物体検出パイプラインの包括的解析
- Authors: Leon Amadeus Varga, Sebastian Koch, Andreas Zell
- Abstract要約: まず、リモートセンシングアプリケーションにおける7つのパラメータ(量子化、圧縮、解像度、色モデル、画像歪み、ガンマ補正、追加チャネル)の影響を実験的に分析する。
すべてのパラメータが検出精度とデータスループットに等しく影響を与えるわけではなく、パラメータ間の適切な妥協により、軽量物体検出モデルの検出精度を向上させることができることを示す。
- 参考スコア（独自算出の注目度）: 16.071349046409885
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An object detection pipeline comprises a camera that captures the scene and
an object detector that processes these images. The quality of the images
directly affects the performance of the object detector. Many works nowadays
focus either on improving the image quality or improving the object detection
models independently, but neglect the importance of joint optimization of the
two subsystems. In this paper, we first empirically analyze the influence of
seven parameters (quantization, compression, resolution, color model, image
distortion, gamma correction, additional channels) in remote sensing
applications. For our experiments, we utilize three UAV data sets from
different domains and a mixture of large and small state-of-the-art object
detector models to provide an extensive evaluation of the influence of the
pipeline parameters. Additionally, we realize an object detection pipeline
prototype on an embedded platform for an UAV and give a best practice
recommendation for building object detection pipelines based on our findings.
We show that not all parameters have an equal impact on detection accuracy and
data throughput, and that by using a suitable compromise between parameters we
are able to improve detection accuracy for lightweight object detection models,
while keeping the same data throughput.
- Abstract（参考訳）: オブジェクト検出パイプラインは、シーンをキャプチャするカメラと、これらの画像を処理するオブジェクト検出器で構成される。
画像の品質は、物体検出器の性能に直接影響する。
今日では、画像の品質向上やオブジェクト検出モデルの改良に焦点が当てられているが、2つのサブシステムの共同最適化の重要性は無視されている。
本稿では, リモートセンシングアプリケーションにおける7つのパラメータ(量子化, 圧縮, 解像度, 色モデル, 画像歪み, ガンマ補正, 追加チャネル)の影響を実験的に解析する。
実験では, 異なる領域から得られた3つのUAVデータセットと, 大規模かつ小型の物体検出モデルを用いて, パイプラインパラメータの影響を広範囲に評価する。
さらに,UAVの組込みプラットフォーム上でオブジェクト検出パイプラインのプロトタイプを実現するとともに,この結果に基づいてオブジェクト検出パイプラインを構築するためのベストプラクティスを提案する。
すべてのパラメータが検出精度とデータスループットに等しく影響するわけではないし、パラメータ間の適切な妥協を使用することで、同じデータスループットを維持しながら、軽量なオブジェクト検出モデルの検出精度を向上させることができる。
関連論文リスト
- Performance Assessment of Feature Detection Methods for 2-D FS Sonar Imagery [11.23455335391121]
主な課題は、一様でない照明と、濁った環境での視界の低下である。
高周波フォワードフォワードソナーカメラはこれらの問題に対処する。
5種類のソナー装置の実際のソナー画像を用いた特徴検出器の評価を行った。
論文 参考訳（メタデータ） (2024-09-11T04:35:07Z) - Towards Consistent Object Detection via LiDAR-Camera Synergy [17.665362927472973]
物体の位置を点雲と画像の両方で検出できる既存のモデルは存在しない。
本稿では,エンドツーエンドの一貫性オブジェクト検出(COD)アルゴリズムフレームワークを提案する。
本稿では,点雲と画像間の物体相関の精度を評価するために,新しい評価指標である一貫性精度(Consistency Precision)を提案する。
論文 参考訳（メタデータ） (2024-05-02T13:04:26Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳（メタデータ） (2023-11-21T19:49:13Z) - Let's Roll: Synthetic Dataset Analysis for Pedestrian Detection Across
Different Shutter Types [7.0441427250832644]
本稿では,機械学習(ML)オブジェクト検出モデルに異なるシャッター機構が与える影響について検討する。
特に、合成合成されたGSとRSのデータセットを用いて、主流検出モデルを訓練し、評価する。
論文 参考訳（メタデータ） (2023-09-15T04:07:42Z) - Knowledge Distillation for Oriented Object Detection on Aerial Images [1.827510863075184]
本稿では,KD-RNetの知識蒸留による空中画像の回転物体検出のためのモデル圧縮手法を提案する。
大規模空中物体検出データセット(DOTA)による実験結果から,提案したKD-RNetモデルにより,パラメータ数を削減した平均値精度(mAP)が向上し,同時にKD-RNetは,基底アノテーションと高い重なり合う高品質検出を提供することで,性能を向上することを示した。
論文 参考訳（メタデータ） (2022-06-20T14:24:16Z) - On the Role of Sensor Fusion for Object Detection in Future Vehicular
Networks [25.838878314196375]
異なるセンサの組み合わせが車両の移動・運転環境の検出にどのように影響するかを評価します。
最終的な目標は、チャネルに分散するデータの量を最小限に抑える最適な設定を特定することです。
論文 参考訳（メタデータ） (2021-04-23T18:58:37Z) - Robust and Accurate Object Detection via Adversarial Learning [111.36192453882195]
この研究は、逆の例を探索することで、物体検出器の微調整段階を補強する。
提案手法は,オブジェクト検出ベンチマークにおいて,最先端のEfficientDetsの性能を+1.1mAP向上させる。
論文 参考訳（メタデータ） (2021-03-23T19:45:26Z) - Ensembling object detectors for image and video data analysis [98.26061123111647]
本稿では,複数の物体検出器の出力をアンサンブルすることで,画像データ上の境界ボックスの検出性能と精度を向上させる手法を提案する。
本研究では,2段階追跡に基づく検出精度向上手法を提案することで,映像データに拡張する。
論文 参考訳（メタデータ） (2021-02-09T12:38:16Z) - Slender Object Detection: Diagnoses and Improvements [74.40792217534]
本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。
古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
論文 参考訳（メタデータ） (2020-11-17T09:39:42Z) - Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。
UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文 参考訳（メタデータ） (2020-09-16T11:37:43Z) - Condensing Two-stage Detection with Automatic Object Key Part Discovery [87.1034745775229]
2段階の物体検出器は通常、高い精度を達成するために、検出ヘッドのために過度に大きなモデルを必要とする。
そこで本研究では,2段階検出ヘッドのモデルパラメータを,対象キー部分に集中させることで縮合・縮小できることを示す。
提案手法は、一般的な2段検出ヘッドのモデルパラメータの約50%を放棄しながら、元の性能を一貫して維持する。
論文 参考訳（メタデータ） (2020-06-10T01:20:47Z)
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。