Fugu-MT 論文翻訳(概要): ROMA: Run-Time Object Detection To Maximize Real-Time Accuracy

論文の概要: ROMA: Run-Time Object Detection To Maximize Real-Time Accuracy

arxiv url: http://arxiv.org/abs/2210.16083v1
Date: Fri, 28 Oct 2022 12:06:29 GMT
ステータス: 処理完了
システム内更新日: 2022-10-31 16:34:38.693696
Title: ROMA: Run-Time Object Detection To Maximize Real-Time Accuracy
Title（参考訳）: roma: リアルタイム精度を最大化するランタイムオブジェクト検出
Authors: JunKyu Lee, Blesson Varghese, Hans Vandierendonck
Abstract要約: 本稿では,動的に変化する映像の内容と検出遅延が検出器のリアルタイム検出精度に与える影響を解析する。リアルタイムオブジェクト検出精度を最大化するために,新しい実行時精度変動モデルROMAを提案する。
参考スコア（独自算出の注目度）: 9.532584780067944
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper analyzes the effects of dynamically varying video contents and detection latency on the real-time detection accuracy of a detector and proposes a new run-time accuracy variation model, ROMA, based on the findings from the analysis. ROMA is designed to select an optimal detector out of a set of detectors in real time without label information to maximize real-time object detection accuracy. ROMA utilizing four YOLOv4 detectors on an NVIDIA Jetson Nano shows real-time accuracy improvements by 4 to 37% for a scenario of dynamically varying video contents and detection latency consisting of MOT17Det and MOT20Det datasets, compared to individual YOLOv4 detectors and two state-of-the-art runtime techniques.
Abstract（参考訳）: 本稿では,動的に変化する映像の内容と検出遅延が検出器のリアルタイム検出精度に与える影響を解析し,解析結果に基づいて新たな実行時精度変動モデル ROMA を提案する。 ROMAは、リアルタイム物体検出精度を最大化するためにラベル情報なしで、一連の検出器から最適な検出器をリアルタイムで選択するように設計されている。 NVIDIA Jetson Nano上で4つのYOLOv4検出器を利用するROMAは、個々のYOLOv4検出器と2つの最先端ランタイム技術と比較して、動的に変化するビデオコンテンツとMOT17DetとMOT20Detデータセットからなる検出遅延のシナリオに対して、リアルタイムの精度を4～37%向上させる。

関連論文リスト

Learning to Make Keypoints Sub-Pixel Accurate [80.55676599677824]
本研究は,2次元局所特徴の検出におけるサブピクセル精度の課題に対処する。本稿では,検出された特徴に対するオフセットベクトルを学習することにより,サブピクセル精度で検出器を拡張できる新しいネットワークを提案する。
論文参考訳（メタデータ） (2024-07-16T12:39:56Z)
An Empirical Analysis of Range for 3D Object Detection [70.54345282696138]
本稿では,長距離検出データセットArgoverse 2.0を用いた遠距離3次元検出の実験的検討を行った。近接場LiDARの測定は、小さなボクセルによって密度が高く最適に符号化され、遠距離場の測定は疎く、大きなボクセルで符号化されている。本研究では,33%の効率向上と3.2%のCDSの精度向上を図った。
論文参考訳（メタデータ） (2023-08-08T05:29:26Z)
Rethinking Voxelization and Classification for 3D Object Detection [68.8204255655161]
LiDARポイントクラウドからの3Dオブジェクト検出の主な課題は、ネットワークの信頼性に影響を与えることなく、リアルタイムのパフォーマンスを実現することである。本稿では,高速な動的ボキセラライザを実装することにより,ネットワークの推論速度と精度を同時に向上するソリューションを提案する。さらに,予測対象を分類し,偽検出対象をフィルタリングする軽量検出サブヘッドモデルを提案する。
論文参考訳（メタデータ） (2023-01-10T16:22:04Z)
Recurrent Vision Transformers for Object Detection with Event Cameras [62.27246562304705]
本稿では,イベントカメラを用いた物体検出のための新しいバックボーンであるリカレントビジョントランス (RVT) を提案する。 RVTは、イベントベースのオブジェクト検出で最先端のパフォーマンスに到達するために、ゼロからトレーニングすることができる。私たちの研究は、イベントベースのビジョンを超えた研究に役立ち得る効果的なデザイン選択に、新たな洞察をもたらします。
論文参考訳（メタデータ） (2022-12-11T20:28:59Z)
Minkowski Tracker: A Sparse Spatio-Temporal R-CNN for Joint Object Detection and Tracking [53.64390261936975]
我々はオブジェクトの検出と追跡を共同で解決するスパース時間R-CNNであるMinkowski Trackerを提案する。領域ベースCNN(R-CNN)に着想を得て,物体検出器R-CNNの第2段階として動きを追跡することを提案する。大規模実験では,本手法の総合的な性能向上は4つの要因によることがわかった。
論文参考訳（メタデータ） (2022-08-22T04:47:40Z)
Motion Detection using CSI from Raspberry Pi 4 [5.826796031213696]
チャネル状態情報(Channel State Information, CSI)は、低コストで非侵襲的な無線センシング方式である。 Raspberry Pi 4で収集, 処理されたCSIデータを用いた, 自己校正型モーション検出システムを開発した。
論文参考訳（メタデータ） (2021-11-17T13:17:02Z)
A Sensor Fusion-based GNSS Spoofing Attack Detection Framework for Autonomous Vehicles [4.947150829838588]
本稿では,センサフュージョンをベースとしたGNSS(Global Navigation Satellite System)スプーフィング攻撃検出フレームワークを提案する。複数の低コストの車載センサーからのデータを融合し、リカレントニューラルネットワークモデルに入力する。我々は,k-Nearest Neighbors (k-NN) と Dynamic Time Warping (DTW) のアルゴリズムを組み合わせて,左旋回と右旋回を検出・分類した。
論文参考訳（メタデータ） (2021-08-19T11:59:51Z)
Domain and Modality Gaps for LiDAR-based Person Detection on Mobile Robots [91.01747068273666]
本稿では,移動ロボットのシナリオに着目した既存のLiDAR人物検出装置について検討する。実験は3Dと2D LiDARのセンサー間のモダリティのギャップだけでなく、運転と移動ロボットのシナリオ間の領域ギャップを回避している。その結果、LiDARに基づく人物検出の実践的な洞察を与え、関連する移動ロボットの設計と応用に関する情報決定を容易にする。
論文参考訳（メタデータ） (2021-06-21T16:35:49Z)
Motion Vector Extrapolation for Video Object Detection [0.0]
MOVEXは、一般的なCPUベースのシステムで低レイテンシのビデオオブジェクト検出を可能にする。提案手法は,任意の対象検出器のベースライン遅延を著しく低減することを示す。さらなるレイテンシ低減は、元のレイテンシよりも最大25倍低いもので、最小限の精度で達成できる。
論文参考訳（メタデータ） (2021-04-18T17:26:37Z)
Meta-Cognition-Based Simple And Effective Approach To Object Detection [4.68287703447406]
物体検出のためのメタ認知学習戦略を探索し、検出速度を同時に維持しながら、一般化能力を向上させる。実験の結果、絶対精度は2.6%(最小値)と4.4%(最大値)で、推論時間にオーバーヘッドはないことが示された。
論文参考訳（メタデータ） (2020-12-02T13:36:51Z)
Expedited Multi-Target Search with Guaranteed Performance via Multi-fidelity Gaussian Processes [9.434133337939496]
本研究では,自動運転車が3次元環境下で動作し,環境の2次元フロア上で未知の静止目標を探索するシナリオを考察する。床面から異なる高度で利用可能なセンシング情報を体系的に記述する多要素ガウス法を用いて、センシング場をモデル化する。センサモデルに基づいて,マルチターゲット探索 (EMTS) と呼ばれる新しいアルゴリズムを設計し,その適用範囲と精度のトレードオフに対処する。
論文参考訳（メタデータ） (2020-05-18T02:53:52Z)

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。