Fugu-MT 論文翻訳(概要): KD-SCFNet: Towards More Accurate and Efficient Salient Object Detection via Knowledge Distillation

論文の概要: KD-SCFNet: Towards More Accurate and Efficient Salient Object Detection via Knowledge Distillation

arxiv url: http://arxiv.org/abs/2208.02178v1
Date: Wed, 3 Aug 2022 16:03:11 GMT
ステータス: 処理完了
システム内更新日: 2022-08-04 13:53:32.906023
Title: KD-SCFNet: Towards More Accurate and Efficient Salient Object Detection via Knowledge Distillation
Title（参考訳）: KD-SCFNet:知識蒸留によるより高精度かつ効率的な有能物体検出を目指して
Authors: Jin Zhang, Qiuwei Liang, and Yanjiao Shi
Abstract要約: マルチレベル特徴のインタラクティブな融合に焦点を当てた,意味誘導型文脈融合ネットワーク(SCFNet)を設計する。詳細は、調味された教師から未学習のSCFNetにラベルのない画像を通して豊富な知識を伝達する。知識蒸留に基づくSCFNet(KDSCFNet)は、1M未満のパラメータと174FPSリアルタイム検出速度を持つ最先端の重み付け手法に匹敵する精度を達成している。
参考スコア（独自算出の注目度）: 3.354517826696927
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Most existing salient object detection (SOD) models are difficult to apply due to the complex and huge model structures. Although some lightweight models are proposed, the accuracy is barely satisfactory. In this paper, we design a novel semantics-guided contextual fusion network (SCFNet) that focuses on the interactive fusion of multi-level features for accurate and efficient salient object detection. Furthermore, we apply knowledge distillation to SOD task and provide a sizeable dataset KD-SOD80K. In detail, we transfer the rich knowledge from a seasoned teacher to the untrained SCFNet through unlabeled images, enabling SCFNet to learn a strong generalization ability to detect salient objects more accurately. The knowledge distillation based SCFNet (KDSCFNet) achieves comparable accuracy to the state-of-the-art heavyweight methods with less than 1M parameters and 174 FPS real-time detection speed. Extensive experiments demonstrate the robustness and effectiveness of the proposed distillation method and SOD framework. Code and data: https://github.com/zhangjinCV/KD-SCFNet.
Abstract（参考訳）: 既存のサルエントオブジェクト検出(SOD)モデルは、複雑で巨大なモデル構造のため、適用が困難である。いくつかの軽量モデルが提案されているが、精度はほとんど満足できない。本稿では,多レベル特徴の対話的融合に着目したscfnet(semantics-guided context fusion network)を提案する。さらに, SODタスクに知識蒸留を適用し, スケール可能なデータセットKD-SOD80Kを提供する。そこで本研究では,SCFNetが有意な対象をより正確に検出する強力な一般化能力を学習できるようにするため,経験豊富な教師から未学習のSCFNetへ,ラベル付き画像を通して豊富な知識を伝達する。知識蒸留に基づくSCFNet(KDSCFNet)は、1M未満のパラメータと174FPSリアルタイム検出速度を持つ最先端の重み付け手法に匹敵する精度を達成する。大規模実験により, 蒸留法およびSODフレームワークの堅牢性と有効性を示した。コードとデータ:https://github.com/zhangjinCV/KD-SCFNet

関連論文リスト

Scale-Invariant Object Detection by Adaptive Convolution with Unified Global-Local Context [3.061662434597098]
本稿では,効率的なDetモデルに基づくSAC-Net(Switchable Atrous Convolutional Network)を用いたオブジェクト検出モデルを提案する。提案したSAC-Netは,マルチスケールオブジェクト検出タスクの性能向上を実現するために,低レベル機能と高レベル機能の両方の利点をカプセル化している。ベンチマークデータセットを用いた実験により,提案したSAC-Netは,精度の点で最先端モデルよりも優れた性能を示した。
論文参考訳（メタデータ） (2024-09-17T10:08:37Z)
CLRKDNet: Speeding up Lane Detection with Knowledge Distillation [4.015241891536452]
本稿では,検出精度とリアルタイム性能のバランスをとる合理化モデルであるCLRKDNetを紹介する。提案手法はCLRNetに匹敵する検出精度を維持しつつ,推論時間を最大60%削減する。
論文参考訳（メタデータ） (2024-05-21T05:20:04Z)
Depth Estimation using Weighted-loss and Transfer Learning [2.428301619698667]
転送学習と最適化された損失関数を用いた深度推定精度の向上のための簡易かつ適応的なアプローチを提案する。本研究では,移動学習と最適損失関数を用いた深度推定精度向上のための簡易かつ適応的な手法を提案する。 EfficientNetが最も成功したアーキテクチャである。
論文参考訳（メタデータ） (2024-04-11T12:25:54Z)
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)
VanillaKD: Revisit the Power of Vanilla Knowledge Distillation from Small Scale to Large Scale [55.97546756258374]
より強力なデータ拡張技術を採用し、より大きなデータセットを使用することで、バニラKDと他の細心の注意を払って設計されたKDとのギャップを直接削減できることを示す。より複雑なスキームにおけるバニラKDとその変種の研究は、より強力な訓練戦略と異なるモデル能力を含む、バニラKDはエレガントに単純だが、大規模なシナリオでは驚くべきほど効果的であることを示す。
論文参考訳（メタデータ） (2023-05-25T06:50:08Z)
Gradient-Guided Knowledge Distillation for Object Detectors [3.236217153362305]
グラディエント誘導型知識蒸留(GKD)という,物体検出における知識蒸留の新しい手法を提案する。我々のGKDは勾配情報を用いて、検出損失に大きな影響を及ぼす特徴を識別し、割り当て、生徒が教師から最も関連性の高い特徴を学習できるようにする。 KITTIとCOCO-Trafficデータセットの実験は、対象検出のための知識蒸留における本手法の有効性を実証する。
論文参考訳（メタデータ） (2023-03-07T21:09:09Z)
Paint and Distill: Boosting 3D Object Detection with Semantic Passing Network [70.53093934205057]
ライダーやカメラセンサーからの3Dオブジェクト検出タスクは、自動運転に不可欠である。本研究では,既存のライダーベース3D検出モデルの性能向上を図るために,SPNetという新しいセマンティックパスフレームワークを提案する。
論文参考訳（メタデータ） (2022-07-12T12:35:34Z)
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)
Deep Gradient Learning for Efficient Camouflaged Object Detection [152.24312279220598]
本稿では、勾配カモフラーグ型物体検出(COD)のためのオブジェクト監視を利用する新しいディープフレームワークであるDGNetを紹介する。シンプルだが効率的なフレームワークから恩恵を受け、DGNetは既存の最先端のCODモデルよりも大きなマージンで優れている。また,提案したDGNetは,ポリプのセグメンテーション,欠陥検出,透過的なオブジェクトセグメンテーションタスクにおいて良好に機能することを示した。
論文参考訳（メタデータ） (2022-05-25T15:25:18Z)
Efficient training of lightweight neural networks using Online Self-Acquired Knowledge Distillation [51.66271681532262]
オンライン自己獲得知識蒸留(OSAKD)は、ディープニューラルネットワークの性能をオンライン的に向上することを目的としている。出力特徴空間におけるデータサンプルの未知確率分布を推定するために、k-nnノンパラメトリック密度推定手法を用いる。
論文参考訳（メタデータ） (2021-08-26T14:01:04Z)
EDN: Salient Object Detection via Extremely-Downsampled Network [66.38046176176017]
画像全体のグローバルビューを効果的に学ぶために、極端なダウンサンプリング技術を使用するExtremely-Downsampled Network(EDN)を紹介します。実験は、ednがリアルタイム速度でsart性能を達成することを実証する。
論文参考訳（メタデータ） (2020-12-24T04:23:48Z)

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。