論文の概要: Towards More Efficient EfficientDets and Low-Light Real-Time Marine Debris Detection

• arxiv url: http://arxiv.org/abs/2203.07155v1
• Date: Mon, 14 Mar 2022 14:59:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-15 17:19:15.124288
• Title: Towards More Efficient EfficientDets and Low-Light Real-Time Marine Debris Detection
• Title（参考訳）: 効率の良いDetsと低照度リアルタイム海洋デブリ検出に向けて
• Authors: Federico Zocco, Ching-I Huang, Hsueh-Cheng Wang, Mohammad Omar Khyam and Mien Van
• Abstract要約: 本稿では,リアルタイム・低照度物体検出におけるAUVビジョンの効率性に着目した。 我々は、D0では1.5%AP、D1では2.6%AP、D2では1.2%AP、D3では1.3%APでGPUレイテンシを増大させることなく、最先端のオブジェクト検出器であるEfficientDetsの効率を改善した。
• 参考スコア（独自算出の注目度）: 3.422873244787516
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Marine debris is a problem both for the health of marine environments and for the human health since tiny pieces of plastic called "microplastics" resulting from the debris decomposition over the time are entering the food chain at any levels. For marine debris detection and removal, autonomous underwater vehicles (AUVs) are a potential solution. In this letter, we focus on the efficiency of AUV vision for real-time and low-light object detection. First, we improved the efficiency of a class of state-of-the-art object detectors, namely EfficientDets, by 1.5% AP on D0, 2.6% AP on D1, 1.2% AP on D2 and 1.3% AP on D3 without increasing the GPU latency. Subsequently, we created and made publicly available a dataset for the detection of in-water plastic bags and bottles and trained our improved EfficientDets on this and another dataset for marine debris detection. Finally, we investigated how the detector performance is affected by low-light conditions and compared two low-light underwater image enhancement strategies both in terms of accuracy and latency. Source code and dataset are publicly available.
• Abstract（参考訳）: 海洋の破片は、海洋環境の健康と人間の健康の両面で問題となっている。なぜなら「マイクロプラスチック」と呼ばれる小さなプラスチック片が、時間とともに分解されて、あらゆるレベルで食物連鎖に入ってくるからだ。 海難破片の検出と除去のためには、自律型水中車両(AUV)が潜在的な解決策である。 本稿では,リアルタイム・低照度物体検出におけるAUVビジョンの効率性に着目した。 まず、D0では1.5%AP、D1では2.6%AP、D2では1.2%AP、D3では1.3%APでGPUレイテンシを向上することなく、最先端のオブジェクト検出器であるEfficientDetsの効率を改善した。 その後,水中のビニール袋とボトルを検知するためのデータセットを作成,公開し,これと海洋ゴミ検出のための新たなデータセットを改良した。 最後に, 検出性能が低照度条件の影響について検討し, 低照度水中画像強調法を精度, 遅延の両面で比較した。 ソースコードとデータセットが公開されている。

関連論文リスト

• Effective and Efficient Adversarial Detection for Vision-Language Models via A Single Vector [97.92369017531038]
  Diverse hArmful Responses (RADAR) を用いた新しい laRge-scale Adervsarial 画像データセットを構築した。 そこで我々は,視覚言語モデル (VLM) の隠れ状態から抽出した1つのベクトルを利用して,入力中の良質な画像に対して対向画像を検出する,新しいiN時間埋め込み型AdveRSarial Image Detectction (NEARSIDE) 法を開発した。
  論文  参考訳（メタデータ） (2024-10-30T10:33:10Z)
• PoTATO: A Dataset for Analyzing Polarimetric Traces of Afloat Trash Objects [7.117487088419503]
  水生環境のプラスチック廃棄物は海洋生物や人間の健康に深刻なリスクをもたらす。 ディープラーニングはこのタスクの強力なツールとして広く利用されているが、その性能は屋外の光条件と水面反射によって著しく制限されている。 12,380個のラベル付きプラスチックボトルとリッチ偏光情報を含むデータセットPoTATOを紹介する。
  論文  参考訳（メタデータ） (2024-09-19T11:21:24Z)
• Underwater Object Detection Enhancement via Channel Stabilization [12.994898879803642]
  海洋ゴミは水生生態系を危険にさらし、永続的な課題を提示している。 Detectron2のバックボーンには,さまざまなベースモデルとコンフィギュレーションが用意されています。 本稿では,単純化された画像強調モデルとともに,新しいチャネル安定化手法を提案する。
  論文  参考訳（メタデータ） (2024-08-02T14:28:49Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Fewer is More: Efficient Object Detection in Large Aerial Images [59.683235514193505]
  本稿では,検出者がより少ないパッチに注目するのに対して,より効率的な推論とより正確な結果を得るのに役立つObjectness Activation Network(OAN)を提案する。 OANを用いて、5つの検出器は3つの大規模な空中画像データセットで30.0%以上のスピードアップを取得する。 我々はOANをドライブシーン物体検出と4Kビデオ物体検出に拡張し,検出速度をそれぞれ112.1%,75.0%向上させた。
  論文  参考訳（メタデータ） (2022-12-26T12:49:47Z)
• GAMMA: Generative Augmentation for Attentive Marine Debris Detection [0.0]
  そこで本稿では,水中デブリデータによる視覚的検出の不適切な問題を解決するために,効率的で生成的な拡張手法を提案する。 我々は、CycleGANをデータ拡張技術として使用し、地球上のプラスチックのオープンで豊富なデータを水中画像に変換する。 また,アテンション機構を用いた水中デブリ検出のための新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-12-07T16:30:51Z)
• A Dataset with Multibeam Forward-Looking Sonar for Underwater Object Detection [0.0]
  マルチビーム前方ソナー (MFLS) は水中検出において重要な役割を担っている。 MFLSを用いた水中物体検出の研究にはいくつかの課題がある。 本稿では,Tritech Gemini 1200ikソナーを用いて,9000枚以上のMFLS画像からなる新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2022-12-01T08:26:03Z)
• SALISA: Saliency-based Input Sampling for Efficient Video Object Detection [58.22508131162269]
  ビデオオブジェクト検出のための新しい一様SALiencyベースの入力SAmpling技術であるSALISAを提案する。 SALISAは小物体の検出を著しく改善することを示す。
  論文  参考訳（メタデータ） (2022-04-05T17:59:51Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)

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。