論文の概要: CircleNet: Reciprocating Feature Adaptation for Robust Pedestrian Detection

• arxiv url: http://arxiv.org/abs/2212.05691v1
• Date: Mon, 12 Dec 2022 04:10:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-13 16:48:51.619221
• Title: CircleNet: Reciprocating Feature Adaptation for Robust Pedestrian Detection
• Title（参考訳）: CircleNet:ロバストペデストリアン検出のためのReciprocating Feature Adaptation
• Authors: Tianliang Zhang, Zhenjun Han, Huijuan Xu, Baochang Zhang, Qixiang Ye
• Abstract要約: 本稿では,人間が低解像度で隠蔽された物体を見る過程を模倣して特徴適応を実現するため,CircleNetと呼ばれる新しい特徴学習モデルを提案する。 Caltech(カルテック)とCityPersons(シティパーソンズ)という2つの歩行者検出データセットの実験によると、CircleNetは、障害物のある歩行者と低解像度歩行者のパフォーマンスを大幅に改善する。
• 参考スコア（独自算出の注目度）: 62.41288479917261
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pedestrian detection in the wild remains a challenging problem especially when the scene contains significant occlusion and/or low resolution of the pedestrians to be detected. Existing methods are unable to adapt to these difficult cases while maintaining acceptable performance. In this paper we propose a novel feature learning model, referred to as CircleNet, to achieve feature adaptation by mimicking the process humans looking at low resolution and occluded objects: focusing on it again, at a finer scale, if the object can not be identified clearly for the first time. CircleNet is implemented as a set of feature pyramids and uses weight sharing path augmentation for better feature fusion. It targets at reciprocating feature adaptation and iterative object detection using multiple top-down and bottom-up pathways. To take full advantage of the feature adaptation capability in CircleNet, we design an instance decomposition training strategy to focus on detecting pedestrian instances of various resolutions and different occlusion levels in each cycle. Specifically, CircleNet implements feature ensemble with the idea of hard negative boosting in an end-to-end manner. Experiments on two pedestrian detection datasets, Caltech and CityPersons, show that CircleNet improves the performance of occluded and low-resolution pedestrians with significant margins while maintaining good performance on normal instances.
• Abstract（参考訳）: 野生での歩行者検出は、特にシーンが歩行者の著しい閉塞や解像度が低い場合に問題となっている。 既存のメソッドは、許容できるパフォーマンスを維持しながら、これらの難しいケースに適応できない。 本稿では,circlenetと呼ばれる新しい特徴学習モデルを提案する。このモデルでは,低分解能とオクルードされた物体を人間が観察する過程を模倣して,特徴適応を実現する。 circlenetは機能ピラミッドのセットとして実装され、機能融合を改善するために重み共有パス拡張を使用する。 複数のトップダウンおよびボトムアップパスを使用して、特徴適応と反復オブジェクト検出を相互に行う。 CircleNetの特徴適応能力を最大限に活用するために、各サイクルにおける様々な解像度と異なる閉塞レベルの歩行者インスタンスの検出に焦点を当てたインスタンス分解訓練戦略を設計する。 具体的には、CircleNetは機能アンサンブルを、エンドツーエンドでハードネガティブなブーストという考え方で実装している。 カルテックとシティパーソンの2つの歩行者検出データセットの実験では、circlenetは、通常のインスタンスでの良好なパフォーマンスを維持しつつ、かなりのマージンでオクルードと低解像度の歩行者のパフォーマンスを改善している。

関連論文リスト

• Enhancing Deformable Local Features by Jointly Learning to Detect and Describe Keypoints [8.390939268280235]
  局所特徴抽出は、画像マッチングや検索といった重要なタスクに対処するためのコンピュータビジョンにおける標準的なアプローチである。 鍵点を共同で検出・記述する新しい変形認識ネットワークであるDALFを提案する。 提案手法は、変形可能なオブジェクト検索と、非剛性な3次元表面登録という、2つの実世界のアプリケーションの性能を向上させる。
  論文  参考訳（メタデータ） (2023-04-02T18:01:51Z)
• Feature Calibration Network for Occluded Pedestrian Detection [137.37275165635882]
  本稿では,特徴ネットワーク(FC-Net)と呼ばれるディープラーニングフレームワークにおける特徴学習手法を提案する。 FC-Netは、歩行者の目に見える部分が選択的であり、検出に決定的であるという観察に基づいている。 CityPersonsとCaltechのデータセットの実験では、ブロックされた歩行者の検知性能が最大10%向上している。
  論文  参考訳（メタデータ） (2022-12-12T05:48:34Z)
• Point-to-Box Network for Accurate Object Detection via Single Point Supervision [51.95993495703855]
  オフ・ザ・シェルフ提案法(OTSP)の軽量な代替手法を提案する。 P2BNetは、アンカーのような方法で提案を生成することで、オブジェクト間のバランスの取れた提案バッグを構築することができる。 コードはCOCO.com/ucas-vg/P2BNetでリリースされる。
  論文  参考訳（メタデータ） (2022-07-14T11:32:00Z)
• Deep Algebraic Fitting for Multiple Circle Primitives Extraction from Raw Point Clouds [24.00245162522767]
  本稿では,深い円界点学習と重み付き代数的フィッティングの相乗効果に基づいて,エンド・ツー・エンドのポイント・クラウド・サークル・代数的フィッティング・ネットワーク(Circle-Net)を提案する。 多くの最先端の円抽出知恵とは異なり、提案された分類・適合モジュールはもともと、抽出された円の質を高めるために、包括的損失とともに訓練されている。 確立されたデータセットと実走査点雲の比較により,SOTAよりも円網の方がノイズロス性および抽出精度の両方において明らかな改善が見られた。
  論文  参考訳（メタデータ） (2022-04-02T18:27:04Z)
• R(Det)^2: Randomized Decision Routing for Object Detection [64.48369663018376]
  本稿では,決定木とディープニューラルネットワークをエンドツーエンドの学習方法で組み合わせたオブジェクト検出手法を提案する。 効率的な学習を容易にするために,ノード選択型および連想型損失を伴うランダム化決定経路を提案する。 このアプローチをオブジェクト検出のためのランダム化決定ルーティングとして、R(Det)$2$と略す。
  論文  参考訳（メタデータ） (2022-04-02T07:54:58Z)
• Multi-scale Interactive Network for Salient Object Detection [91.43066633305662]
  本稿では,隣接レベルからの機能を統合するためのアグリゲート・インタラクション・モジュールを提案する。 より効率的なマルチスケール機能を得るために、各デコーダユニットに自己相互作用モジュールを埋め込む。 5つのベンチマークデータセットによる実験結果から,提案手法は後処理を一切行わず,23の最先端手法に対して良好に動作することが示された。
  論文  参考訳（メタデータ） (2020-07-17T15:41:37Z)
• CircleNet: Anchor-free Detection with Circle Representation [10.081591705078678]
  CircleNetは球状球状球状体を検出するための円表現を用いた単純なアンカーフリー検出法である。 糸球体検出の文脈におけるCircleNetの評価を行った。
  論文  参考訳（メタデータ） (2020-06-03T18:31:51Z)
• 1st Place Solutions for OpenImage2019 -- Object Detection and Instance Segmentation [116.25081559037872]
  この記事では,2つのチャンピオンチーム,検出トラックのMMfruit'とセグメンテーショントラックのMMfruitSeg'のソリューションについて,OpenImage Challenge 2019で紹介する。 一般に、対象検出器の場合、バックボーンの端の共有特徴は分類と回帰の両方に適さないことが知られている。 自己学習型最適特徴抽出によりオブジェクトの分類と回帰を分離するデカップリングヘッド(DH)を提案する。
  論文  参考訳（メタデータ） (2020-03-17T06:45:07Z)

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。