論文の概要: MMRotate: A Rotated Object Detection Benchmark using Pytorch

• arxiv url: http://arxiv.org/abs/2204.13317v1
• Date: Thu, 28 Apr 2022 07:31:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-29 12:49:40.865733
• Title: MMRotate: A Rotated Object Detection Benchmark using Pytorch
• Title（参考訳）: MMRotate: Pytorchを用いた回転オブジェクト検出ベンチマーク
• Authors: Yue Zhou, Xue Yang, Gefan Zhang, Jiabao Wang, Yanyi Liu, Liping Hou, Xue Jiang, Xingzhao Liu, Junchi Yan, Chengqi Lyu, Wenwei Zhang, Kai Chen
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 68.3869241353113
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present an open-source toolbox, named MMRotate, which provides a coherent algorithm framework of training, inferring, and evaluation for the popular rotated object detection algorithm based on deep learning. MMRotate implements 18 state-of-the-art algorithms and supports the three most frequently used angle definition methods. To facilitate future research and industrial applications of rotated object detection-related problems, we also provide a large number of trained models and detailed benchmarks to give insights into the performance of rotated object detection. MMRotate is publicly released at https://github.com/open-mmlab/mmrotate.
• Abstract（参考訳）: 本稿では,ディープラーニングに基づく回転物体検出アルゴリズムのトレーニング,推論,評価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というオープンソースのツールボックスを提案する。 mmrotateは18の最先端アルゴリズムを実装し、最も頻繁に使われる3つの角度定義法をサポートしている。 回転物体検出関連問題の今後の研究と工業的応用を容易にするため,多数の訓練済みモデルと詳細なベンチマークを提供し,回転物体検出の性能について考察する。 mmrotateはhttps://github.com/open-mmlab/mmrotateで公開されている。

関連論文リスト

• RotaTR: Detection Transformer for Dense and Rotated Object [0.49764328892172144]
  指向性検出へのDETRの拡張として,回転物体検出TRansformer(RotaTR)を提案する。 具体的には、DTRの指向目標検出能力を高めるために、回転感度変形(RSDeform)アテンションを設計する。 RotaTRは、元のDETRと比較して密度と向きの強い物体を検出するのに大きな利点を示している。
  論文  参考訳（メタデータ） (2023-12-05T15:06:04Z)
• SalienDet: A Saliency-based Feature Enhancement Algorithm for Object Detection for Autonomous Driving [160.57870373052577]
  未知の物体を検出するために,サリエンデット法(SalienDet)を提案する。 我々のSaienDetは、オブジェクトの提案生成のための画像機能を強化するために、サリエンシに基づくアルゴリズムを利用している。 オープンワールド検出を実現するためのトレーニングサンプルセットにおいて、未知のオブジェクトをすべてのオブジェクトと区別するためのデータセットレザベリングアプローチを設計する。
  論文  参考訳（メタデータ） (2023-05-11T16:19:44Z)
• 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)
• AlphaRotate: A Rotation Detection Benchmark using TensorFlow [63.39088942989411]
  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。
  論文  参考訳（メタデータ） (2021-11-12T11:56:40Z)
• RSDet++: Point-based Modulated Loss for More Accurate Rotated Object Detection [53.57176614020894]
  我々は、回転感度誤差(RSE)として、5パラメータと8パラメータの回転物体検出法の両方における損失の不連続性を分類する。 問題を軽減するために新しい変調された回転損失を導入し、回転感度検出ネットワーク(RSDet)を提案する。 10ピクセル未満のオブジェクトに対する本手法の精度をさらに向上するため,新しいRSDet++を提案する。
  論文  参考訳（メタデータ） (2021-09-24T11:57:53Z)
• OSKDet: Towards Orientation-sensitive Keypoint Localization for Rotated Object Detection [0.0]
  オリエンテーション感度キーポイントに基づく回転検出器OSKDetを提案する。 ターゲットを特徴付けるキーポイントのセットを採用し、roi上のキーポイントヒートマップを予測して回転したターゲットを形成する。 DOTAは77.81%、HRSC2016は89.91%、UCAS-AODは97.18%である。
  論文  参考訳（メタデータ） (2021-04-18T03:40:52Z)
• Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
  本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。 我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。 LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-02-29T06:24:55Z)

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。