Fugu-MT 論文翻訳(概要): Spatio-Temporal Feedback Control of Small Target Motion Detection Visual System

論文の概要: Spatio-Temporal Feedback Control of Small Target Motion Detection Visual System

arxiv url: http://arxiv.org/abs/2211.10128v1
Date: Fri, 18 Nov 2022 10:10:48 GMT
ステータス: 処理完了
システム内更新日: 2022-11-21 15:11:58.299177
Title: Spatio-Temporal Feedback Control of Small Target Motion Detection Visual System
Title（参考訳）: 小型目標運動検出視覚システムの時空間フィードバック制御
Authors: Hongxin Wang, Zhiyan Zhong, Fang Lei, Xiaohua Jing, Jigen Peng, Shigang Yue
Abstract要約: 本稿では,時間的フィードバックを用いた視覚システムを構築し,小さな目標運動を検出する。提案する視覚系は2つの相補的な空間ニューロンからなる。実験結果から,本システムは小型目標検出における既存手法よりも競争力が高いことが示された。
参考スコア（独自算出の注目度）: 9.03311522244788
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Feedback is crucial to motion perception in animals' visual systems where its spatial and temporal dynamics are often shaped by movement patterns of surrounding environments. However, such spatio-temporal feedback has not been deeply explored in designing neural networks to detect small moving targets that cover only one or a few pixels in image while presenting extremely limited visual features. In this paper, we address small target motion detection problem by developing a visual system with spatio-temporal feedback loop, and further reveal its important roles in suppressing false positive background movement while enhancing network responses to small targets. Specifically, the proposed visual system is composed of two complementary subnetworks. The first subnetwork is designed to extract spatial and temporal motion patterns of cluttered backgrounds by neuronal ensemble coding. The second subnetwork is developed to capture small target motion information and integrate the spatio-temporal feedback signal from the first subnetwork to inhibit background false positives. Experimental results demonstrate that the proposed spatio-temporal feedback visual system is more competitive than existing methods in discriminating small moving targets from complex dynamic environment.
Abstract（参考訳）: フィードバックは、その空間的および時間的ダイナミクスが周囲の環境の動きパターンによってしばしば形成される動物の視覚システムにおいて、運動知覚に不可欠である。しかし、このような時空間フィードバックは、非常に限られた視覚的特徴を示しながら、画像中の1または数ピクセルだけをカバーする小さな移動目標を検出するニューラルネットワークの設計において深く研究されていない。本稿では,時空間フィードバックループを有する視覚システムを開発することで,小目標動作検出問題に対処し,小目標に対するネットワーク応答を高めつつ偽陽性背景運動を抑制する上で,その重要な役割を明らかにする。具体的には,提案する視覚システムは2つの補完サブネットワークから構成される。最初のサブネットワークは、乱雑な背景の空間的および時間的動きパターンをニューロンアンサンブル符号化によって抽出するように設計されている。第2のサブネットワークは、小さなターゲット動作情報をキャプチャし、第1のサブネットワークからの時空間フィードバック信号を統合して背景偽陽性を抑制する。実験の結果,提案する時空間フィードバック視覚システムは,複雑な動的環境から小さな移動目標を識別する既存の手法よりも競争力が高いことがわかった。

関連論文リスト

TSOM: Small Object Motion Detection Neural Network Inspired by Avian Visual Circuit [4.640328175695991]
Retina-OT-Rt視覚回路は、高高度から小さな物体の動き情報を捉えることに非常に敏感である。本稿では,新しい触覚小物体運動検出ニューラルネットワーク(TSOM)を提案する。 TSOMは生物学的に解釈可能であり、複雑な高高度背景から信頼性の高い小さな物体の運動特徴を抽出するのに有効である。
論文参考訳（メタデータ） (2024-04-01T01:49:08Z)
LEAP-VO: Long-term Effective Any Point Tracking for Visual Odometry [52.131996528655094]
本稿では,LEAP(Long-term Effective Any Point Tracking)モジュールについて述べる。 LEAPは、動的トラック推定のために、視覚的、トラック間、時間的キューと慎重に選択されたアンカーを革新的に組み合わせている。これらの特徴に基づき,強靭な視力計測システムLEAP-VOを開発した。
論文参考訳（メタデータ） (2024-01-03T18:57:27Z)
Neural Motion Fields: Encoding Grasp Trajectories as Implicit Value Functions [65.84090965167535]
本稿では,ニューラルネットワークによってパラメータ化される暗黙的値関数として,オブジェクト点群と相対的タスク軌跡の両方を符号化する新しいオブジェクト表現であるNeural Motion Fieldsを提案する。このオブジェクト中心表現は、SE(3)空間上の連続分布をモデル化し、サンプリングベースのMPCを利用して、この値関数を最適化することで、反応的に把握することができる。
論文参考訳（メタデータ） (2022-06-29T18:47:05Z)
FuNNscope: Visual microscope for interactively exploring the loss landscape of fully connected neural networks [77.34726150561087]
ニューラルネットワークの高次元景観特性を探索する方法を示す。我々は、小さなニューラルネットワークの観測結果をより複雑なシステムに一般化する。インタラクティブダッシュボードは、いくつかのアプリケーションネットワークを開放する。
論文参考訳（メタデータ） (2022-04-09T16:41:53Z)
An Attention and Prediction Guided Visual System for Small Target Motion Detection in Complex Natural Environments [7.972704756263765]
複雑な自然環境における小さな目標運動検出は、自律ロボットにとって非常に難しい課題である。本稿では,この限界を克服するための注意と予測ガイド視覚システムを提案する。提案する視覚システムは,主にアテンションモジュール,STMDベースニューラルネットワーク,予測モジュールを含む3つのサブシステムから構成される。
論文参考訳（メタデータ） (2021-04-27T07:42:31Z)
A Bioinspired Approach-Sensitive Neural Network for Collision Detection in Cluttered and Dynamic Backgrounds [19.93930316898735]
移動中の物体の迅速かつ堅牢な検出は、ロボット視覚システムにとって重要かつ困難な問題である。哺乳類網膜における神経回路の初等視覚にインスパイアされた,バイオインスパイアされたアプローチ感受性ニューラルネットワーク(AS)を提案する。提案手法は, クラッタや動的背景の衝突を高精度かつロバストに検出するだけでなく, 位置や方向などの衝突情報を抽出し, 迅速な意思決定を支援する。
論文参考訳（メタデータ） (2021-03-01T09:16:18Z)
A Bioinspired Retinal Neural Network for Accurately Extracting Small-Target Motion Information in Cluttered Backgrounds [19.93930316898735]
本稿では,新しいニューロベース運動フィルタリングと多形2次元空間フィルタリングに基づくバイオインスパイアニューラルネットワークを提案する。 2つの信号だけで正確に動きの方向を推定し、異なる大きさと速度の小さな目標に反応する。また、動き方向や動きの情報を正確かつ迅速に抽出することもできる。
論文参考訳（メタデータ） (2021-03-01T08:44:27Z)
DS-Net: Dynamic Spatiotemporal Network for Video Salient Object Detection [78.04869214450963]
時間情報と空間情報のより効果的な融合のための新しい動的時空間ネットワーク(DSNet)を提案する。提案手法は最先端アルゴリズムよりも優れた性能が得られることを示す。
論文参考訳（メタデータ） (2020-12-09T06:42:30Z)
Fast Motion Understanding with Spatiotemporal Neural Networks and Dynamic Vision Sensors [99.94079901071163]
本稿では,高速な動きを推論するための動的視覚センサ(DVS)システムを提案する。ロボットが15m/s以上の速度で接近する小さな物体に反応するケースを考察する。我々は,23.4m/sで24.73degの誤差を$theta$,18.4mmの平均離散半径予測誤差,衝突予測誤差に対する25.03%の中央値で移動した玩具ダートについて,本システムの結果を強調した。
論文参考訳（メタデータ） (2020-11-18T17:55:07Z)
Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2020-05-15T23:57:36Z)
A Time-Delay Feedback Neural Network for Discriminating Small, Fast-Moving Targets in Complex Dynamic Environments [8.645725394832969]
複雑な視覚環境の中で小さな移動物体を識別することは、自律型マイクロロボットにとって重要な課題である。フィードバック接続を備えたSTMDベースのニューラルネットワーク(Feedback STMD)を提案する。
論文参考訳（メタデータ） (2019-12-29T03:10:36Z)

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。