論文の概要: Point-to-Box Network for Accurate Object Detection via Single Point Supervision

• arxiv url: http://arxiv.org/abs/2207.06827v1
• Date: Thu, 14 Jul 2022 11:32:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-15 14:21:03.543496
• Title: Point-to-Box Network for Accurate Object Detection via Single Point Supervision
• Title（参考訳）: 単一点監視による高精度物体検出のためのポイント・ツー・ボックスネットワーク
• Authors: Pengfei Chen, Xuehui Yu, Xumeng Han, Najmul Hassan, Kai Wang, Jiachen Li, Jian Zhao, Humphrey Shi, Zhenjun Han, and Qixiang Ye
• Abstract要約: オフ・ザ・シェルフ提案法(OTSP)の軽量な代替手法を提案する。 P2BNetは、アンカーのような方法で提案を生成することで、オブジェクト間のバランスの取れた提案バッグを構築することができる。 コードはCOCO.com/ucas-vg/P2BNetでリリースされる。
• 参考スコア（独自算出の注目度）: 51.95993495703855
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object detection using single point supervision has received increasing attention over the years. In this paper, we attribute such a large performance gap to the failure of generating high-quality proposal bags which are crucial for multiple instance learning (MIL). To address this problem, we introduce a lightweight alternative to the off-the-shelf proposal (OTSP) method and thereby create the Point-to-Box Network (P2BNet), which can construct an inter-objects balanced proposal bag by generating proposals in an anchor-like way. By fully investigating the accurate position information, P2BNet further constructs an instance-level bag, avoiding the mixture of multiple objects. Finally, a coarse-to-fine policy in a cascade fashion is utilized to improve the IoU between proposals and ground-truth (GT). Benefiting from these strategies, P2BNet is able to produce high-quality instance-level bags for object detection. P2BNet improves the mean average precision (AP) by more than 50% relative to the previous best PSOD method on the MS COCO dataset. It also demonstrates the great potential to bridge the performance gap between point supervised and bounding-box supervised detectors. The code will be released at github.com/ucas-vg/P2BNet.
• Abstract（参考訳）: 単一点監視を用いた物体検出は近年注目を集めている。 本稿では,マルチインスタンス学習(mil)に欠かせない高品質な提案バッグ生成の失敗に対して,このような大きなパフォーマンスギャップを指摘する。 そこで本研究では,オフ・ザ・シェルフ・プロポーザル (otsp) 方式の軽量な代替案を提案するとともに,アンカーのような方法で提案を生成することで,オブジェクト間バランスの取れた提案バッグを構築できるポイント・トゥ・ボックス・ネットワーク (p2bnet) を作成する。 正確な位置情報を完全に調査することで、p2bnetはさらにインスタンスレベルのバッグを構築し、複数のオブジェクトの混合を避ける。 最後に、カスケード方式の粗大化政策を利用して、提案と接地トラス(GT)の間のIoUを改善する。 これらの戦略の恩恵を受け、p2bnetはオブジェクト検出のために高品質のインスタンスレベルバッグを作成できる。 P2BNetは、MS COCOデータセット上の以前の最高のPSOD法と比較して平均平均精度(AP)を50%以上改善する。 また、点監督検出器と境界箱監視検出器の間の性能ギャップを埋める大きな可能性を示す。 コードはgithub.com/ucas-vg/P2BNetでリリースされる。

関連論文リスト

• Adapting Pre-Trained Vision Models for Novel Instance Detection and Segmentation [15.414518995812754]
  本稿では、オブジェクトの提案生成、インスタンステンプレートと提案領域の埋め込み生成、インスタンスラベル割り当ての埋め込みマッチングを含む統合フレームワーク(NIDS-Net)を提案する。 我々のフレームワークは現在の最先端の手法を超え、4つの検出データセットの平均精度(AP)において22.3、46.2、10.3、24.0の顕著な改善を示している。
  論文  参考訳（メタデータ） (2024-05-28T06:16:57Z)
• 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)
• Learning Remote Sensing Object Detection with Single Point Supervision [17.12725535531483]
  Pointly Supervised Object Detection (PSOD) は、ボックスレベルの監視対象検出と比較してラベリングコストが低いため、かなりの関心を集めている。 本研究では,RS画像に適したPSOD法を提案する。 提案手法は,最先端の画像レベルとポイントレベルの教師付き検出法と比較して性能が大幅に向上し,PSODとボックスレベルの教師付きオブジェクト検出の差を低減できる。
  論文  参考訳（メタデータ） (2023-05-23T15:06:04Z)
• Plug-and-Play Few-shot Object Detection with Meta Strategy and Explicit Localization Inference [78.41932738265345]
  本稿では, 微調整を行なわずに新しいカテゴリーの物体を正確に検出できるプラグ検出器を提案する。 局所化プロセスに2つの明示的な推論を導入し、アノテーション付きデータへの依存を減らす。 これは、様々な評価プロトコルの下で、効率、精度、リコールの両方において大きなリードを示している。
  論文  参考訳（メタデータ） (2021-10-26T03:09:57Z)
• RSKDD-Net: Random Sample-based Keypoint Detector and Descriptor [11.393546826269372]
  本稿では,大規模クラウド登録のためのランダムサンプルベースキーポイント検出器とディスクリプタネットワーク(RSKDD-Net)を提案する。 鍵となるアイデアは、ランダムサンプリングを使用して候補点を効率よく選択し、学習に基づく手法を使ってキーポイントと記述子を共同で生成することである。 2つの大規模屋外LiDARデータセットの実験により、提案したRSKDD-Netは、既存の手法の15倍以上の高速で最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2020-10-23T13:29:29Z)
• Corner Proposal Network for Anchor-free, Two-stage Object Detection [174.59360147041673]
  オブジェクト検出の目標は、画像内のオブジェクトのクラスと位置を決定することである。 本稿では,多数のオブジェクト提案を抽出する新しいアンカーフリー2段階フレームワークを提案する。 この2つの段階が,リコールと精度の向上に有効な解であることを示す。
  論文  参考訳（メタデータ） (2020-07-27T19:04:57Z)
• NETNet: Neighbor Erasing and Transferring Network for Better Single Shot Object Detection [170.30694322460045]
  我々は、ピラミッドの特徴を再設定し、スケールアウェアな特徴を探索する新しいNeighbor Erasing and Transferring(NET)メカニズムを提案する。 NETNetと呼ばれるシングルショットネットワークは、スケールアウェアなオブジェクト検出のために構築されている。
  論文  参考訳（メタデータ） (2020-01-18T15:21:29Z)

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。