論文の概要: N-RPN: Hard Example Learning for Region Proposal Networks

• arxiv url: http://arxiv.org/abs/2208.01916v1
• Date: Wed, 3 Aug 2022 08:48:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-04 13:40:27.495283
• Title: N-RPN: Hard Example Learning for Region Proposal Networks
• Title（参考訳）: N-RPN: 地域提案ネットワークのためのハードケースラーニング
• Authors: MyeongAh Cho, Tae-young Chung, Hyeongmin Lee and Sangyoun Lee
• Abstract要約: 典型的な画像では、非常に多くの容易な負の例に比べて、強烈な負の例があまりに少ないため、地域提案ネットワークは強烈な負のトレーニングに苦労する。 このため、ネットワークは候補として強硬な負の提案をしがちであるが、基調的な候補の提案には失敗する傾向にある。 我々は、地域提案ネットワーク(RPN)を改善するための負の領域提案ネットワーク(nRPN)を提案する。
• 参考スコア（独自算出の注目度）: 8.249165772349127
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The region proposal task is to generate a set of candidate regions that contain an object. In this task, it is most important to propose as many candidates of ground-truth as possible in a fixed number of proposals. In a typical image, however, there are too few hard negative examples compared to the vast number of easy negatives, so region proposal networks struggle to train on hard negatives. Because of this problem, networks tend to propose hard negatives as candidates, while failing to propose ground-truth candidates, which leads to poor performance. In this paper, we propose a Negative Region Proposal Network(nRPN) to improve Region Proposal Network(RPN). The nRPN learns from the RPN's false positives and provide hard negative examples to the RPN. Our proposed nRPN leads to a reduction in false positives and better RPN performance. An RPN trained with an nRPN achieves performance improvements on the PASCAL VOC 2007 dataset.
• Abstract（参考訳）: 領域の提案タスクは、オブジェクトを含む一連の候補領域を生成することである。 このタスクでは、一定の数の提案において可能な限り多くの地頭候補を提案することが最も重要である。 しかし、典型的な画像では、非常に多くの容易な負の例に比べて、強烈な負の例が少ないため、地域提案ネットワークは強烈な負のトレーニングに苦労する。 この問題のために、ネットワークはハードネガティブを候補として提案する傾向があるが、基盤となる候補の提案に失敗し、パフォーマンスが低下する。 本稿では,地域提案ネットワーク(RPN)を改善するための負領域提案ネットワーク(nRPN)を提案する。 nRPNはRPNの偽陽性から学習し、RPNに強い負の例を提供する。 提案した nRPN は偽陽性の低減と RPN の性能向上につながる。 nRPNでトレーニングされたRPNは、PASCAL VOC 2007データセットのパフォーマンス改善を実現する。

関連論文リスト

• REST: Enhancing Group Robustness in DNNs through Reweighted Sparse Training [49.581884130880944]
  ディープニューラルネットワーク(DNN)は様々な領域で有効であることが証明されている。 しかし、彼らは推論中に一部の少数派でうまく行動するのに苦労することが多い。
  論文  参考訳（メタデータ） (2023-12-05T16:27:54Z)
• When Expressivity Meets Trainability: Fewer than $n$ Neurons Can Work [59.29606307518154]
  幅が$m geq 2n/d$($d$は入力次元)である限り、その表現性は強く、すなわち、訓練損失がゼロの少なくとも1つの大域最小化器が存在することを示す。 また、実現可能な領域がよい局所領域であるような制約付き最適化の定式化も検討し、すべてのKKT点がほぼ大域最小値であることを示す。
  論文  参考訳（メタデータ） (2022-10-21T14:41:26Z)
• Sound and Complete Verification of Polynomial Networks [55.9260539566555]
  PN(Polynomial Networks)は、最近顔と画像の認識において有望な性能を示した。 分岐とバウンド(BaB)技術に基づくReLUニューラルネットワーク(NN)上の既存の検証アルゴリズムは、PN検証に自明に適用できない。 我々は、VPNと呼ばれるグローバルコンバージェンス保証のためのBaBを備えた新しいバウンダリング手法を考案した。
  論文  参考訳（メタデータ） (2022-09-15T11:50:43Z)
• Local Critic Training for Model-Parallel Learning of Deep Neural Networks [94.69202357137452]
  そこで我々は,局所的批判訓練と呼ばれる新しいモデル並列学習手法を提案する。 提案手法は,畳み込みニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)の両方において,階層群の更新プロセスの分離に成功したことを示す。 また,提案手法によりトレーニングされたネットワークを構造最適化に利用できることを示す。
  論文  参考訳（メタデータ） (2021-02-03T09:30:45Z)
• Towards Overcoming False Positives in Visual Relationship Detection [95.15011997876606]
  視覚的関係検出(VRD)における偽陽性率の高い原因について検討する。 本稿では,偽陽性の影響を軽減する堅牢なVRDフレームワークとして,Spatially-Aware Balanced negative pRoposal sAmpling(SABRA)を提案する。
  論文  参考訳（メタデータ） (2020-12-23T06:28:00Z)
• PPGN: Phrase-Guided Proposal Generation Network For Referring Expression Comprehension [31.39505099600821]
  新規な句誘導提案生成ネットワーク(PPGN)を提案する。 PPGNの主な実装原理は、テキストで視覚的特徴を洗練し、回帰を通じて提案を生成することである。 ベンチマークデータセットにおいて,本手法が有効であることを示す実験を行った。
  論文  参考訳（メタデータ） (2020-12-20T11:21:06Z)
• Cooperating RPN's Improve Few-Shot Object Detection [31.474131654113076]
  地域提案ネットワーク(RPN)は、1つのハイ・クロスオーバー・ユニオン(IOU)トレーニングボックスを見逃している。 我々は複数の異なるが協調的なRPNを使用する。 私たちのRPNは異なるように訓練されていますが、あまり変わりません。これはCOCOとPASCALVOCの最先端技術よりも、非常にパフォーマンスが向上します。
  論文  参考訳（メタデータ） (2020-11-19T23:03:22Z)
• RRPN++: Guidance Towards More Accurate Scene Text Detection [0.30458514384586394]
  本稿では, RRPN ベースのモデルの可能性を活用するために RRPN++ を提案する。 RRPNに基づいて、第1段階の提案を生成するために、アンカーフリーピラミッド提案ネットワーク(APPN)を提案する。 第2段階では、検出部と認識部の両方を組み込んでマルチタスク学習を行う。
  論文  参考訳（メタデータ） (2020-09-28T08:00:35Z)
• Collaborative Training between Region Proposal Localization and Classification for Domain Adaptive Object Detection [121.28769542994664]
  オブジェクト検出のためのドメイン適応は、ラベル付きデータセットからラベル付きデータセットへの検出を適応させようとする。 本稿では,地域提案ネットワーク (RPN) と地域提案分類器 (RPC) が,大きなドメインギャップに直面した場合の転送可能性が大きく異なることを初めて明らかにする。
  論文  参考訳（メタデータ） (2020-09-17T07:39:52Z)
• KL-Divergence-Based Region Proposal Network for Object Detection [31.542961054361722]
  対象度スコアにおける境界ボックスオフセットの不確かさを考慮した新しい領域提案学習法を提案する。 実験の結果、VGG-16とR-FCNとResNet-101によるより高速なR-CNNでは、MS COCOテストデブで2.6%と2.0%のAP改善が達成された。
  論文  参考訳（メタデータ） (2020-05-22T14:59:26Z)

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。