論文の概要: Benchmarking performance of object detection under image distortions in
an uncontrolled environment
- arxiv url: http://arxiv.org/abs/2210.15999v1
- Date: Fri, 28 Oct 2022 09:06:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-31 17:07:44.036070
- Title: Benchmarking performance of object detection under image distortions in
an uncontrolled environment
- Title(参考訳): 非制御環境における画像歪み下での物体検出のベンチマーク性能
- Authors: Ayman Beghdadi, Malik Mallem, Lotfi Beji
- Abstract要約: オブジェクト検出アルゴリズムの堅牢性は、現実世界のアプリケーションにおいて顕著な役割を果たす。
物体検出法の性能は, 被写体内歪みに悩まされていることが証明されている。
本稿では,最先端のオブジェクト検出手法の性能評価フレームワークを提案する。
- 参考スコア(独自算出の注目度): 0.483420384410068
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The robustness of object detection algorithms plays a prominent role in
real-world applications, especially in uncontrolled environments due to
distortions during image acquisition. It has been proven that the performance
of object detection methods suffers from in-capture distortions. In this study,
we present a performance evaluation framework for the state-of-the-art object
detection methods using a dedicated dataset containing images with various
distortions at different levels of severity. Furthermore, we propose an
original strategy of image distortion generation applied to the MS-COCO dataset
that combines some local and global distortions to reach much better
performances. We have shown that training using the proposed dataset improves
the robustness of object detection by 31.5\%. Finally, we provide a custom
dataset including natural images distorted from MS-COCO to perform a more
reliable evaluation of the robustness against common distortions. The database
and the generation source codes of the different distortions are made publicly
available
- Abstract(参考訳): オブジェクト検出アルゴリズムのロバスト性は、実世界のアプリケーション、特に画像取得時の歪みによる制御不能環境において重要な役割を果たす。
物体検出法の性能は, 収差歪みに悩まされていることが証明されている。
本研究では,様々な歪みの画像を重大度で含む専用データセットを用いて,最先端のオブジェクト検出手法の性能評価フレームワークを提案する。
さらに,局所的歪みと大域的歪みを組み合わせたms-cocoデータセットに適用した画像歪み生成の独自の戦略を提案する。
提案するデータセットを用いたトレーニングにより,オブジェクト検出のロバスト性が31.5\%向上することを示した。
最後に、MS-COCOから歪んだ自然画像を含むカスタムデータセットを提供し、一般的な歪みに対するロバスト性をより信頼性の高い評価を行う。
異なる歪みのデータベースと生成ソースコードが公開されています
関連論文リスト
- Weakly-supervised deepfake localization in diffusion-generated images [4.548755617115687]
本稿では,Xception ネットワークをバックボーンアーキテクチャとして用いた弱教師付きローカライズ問題を提案する。
本研究では,(局所スコアに基づく)最良動作検出法は,データセットやジェネレータのミスマッチよりも,より緩やかな監視に敏感であることを示す。
論文 参考訳(メタデータ) (2023-11-08T10:27:36Z) - An Ensemble Model for Distorted Images in Real Scenarios [0.0]
本稿では,オブジェクト検出器YOLOv7を用いてCDCOCOデータセットから歪み画像を検出する。
慎重に設計した最適化により,CDCOCOテストセット上での優れた性能を実現する。
我々のデノナイジング検出モデルは、歪んだ画像をデノナイズし、修復することができるため、様々な現実のシナリオや環境において有用である。
論文 参考訳(メタデータ) (2023-09-26T15:12:55Z) - Self-Supervised Graph Transformer for Deepfake Detection [1.8133635752982105]
ディープフェイク検出手法は、与えられたデータセット内の偽造を認識できる有望な結果を示している。
ディープフェイク検出システムは、一般的な検出性能を保証するために、偽造タイプ、外観、品質に欠かせないままでいなければならない。
本研究では、自己教師付き事前学習モデルを利用して、例外的な一般化能力を実現するディープフェイク検出フレームワークを提案する。
論文 参考訳(メタデータ) (2023-07-27T17:22:41Z) - Exploring Resolution and Degradation Clues as Self-supervised Signal for
Low Quality Object Detection [77.3530907443279]
劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。
本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
論文 参考訳(メタデータ) (2022-08-05T09:36:13Z) - ObjectFormer for Image Manipulation Detection and Localization [118.89882740099137]
画像操作の検出とローカライズを行うObjectFormerを提案する。
画像の高周波特徴を抽出し,マルチモーダルパッチの埋め込みとしてRGB特徴と組み合わせる。
各種データセットについて広範な実験を行い,提案手法の有効性を検証した。
論文 参考訳(メタデータ) (2022-03-28T12:27:34Z) - High-resolution Iterative Feedback Network for Camouflaged Object
Detection [128.893782016078]
カモフラージュされたオブジェクトを背景に視覚的に同化させることは、オブジェクト検出アルゴリズムにとって難しい。
エッジやバウンダリのぼやけた視界を生じさせる細部劣化を避けるために,高分解能テクスチャの詳細を抽出することを目的としている。
我々は,高解像度特徴量による低解像度表現を反復的フィードバック方式で洗練する新しいHitNetを提案する。
論文 参考訳(メタデータ) (2022-03-22T11:20:21Z) - AnoViT: Unsupervised Anomaly Detection and Localization with Vision
Transformer-based Encoder-Decoder [3.31490164885582]
我々は,画像パッチ間のグローバルな関係を学習することにより,通常の情報を反映する視覚変換器を用いたエンコーダデコーダモデルAnoViTを提案する。
提案モデルは,3つのベンチマークデータセット上での畳み込み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) (2022-03-21T09:01:37Z) - Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。
この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。
我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文 参考訳(メタデータ) (2021-05-07T03:49:26Z) - Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing
Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。
生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
論文 参考訳(メタデータ) (2021-04-22T12:47:37Z) - Contemplating real-world object classification [53.10151901863263]
Barbuらが最近提案したObjectNetデータセットを再分析した。
日常の状況に物を含むこと。
分離されたオブジェクトにディープモデルを適用すると、元の論文のようにシーン全体ではなく、約20~30%の性能改善が得られます。
論文 参考訳(メタデータ) (2021-03-08T23:29:59Z)
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。