論文の概要: Detection Selection Algorithm: A Likelihood based Optimization Method to
Perform Post Processing for Object Detection
- arxiv url: http://arxiv.org/abs/2212.05706v2
- Date: Mon, 3 Apr 2023 16:40:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-04 23:42:56.058931
- Title: Detection Selection Algorithm: A Likelihood based Optimization Method to
Perform Post Processing for Object Detection
- Title（参考訳）: 検出選択アルゴリズム : 物体検出のためのポスト処理を行う確率ベース最適化手法
- Authors: Angzhi Fan, Benjamin Ticknor and Yali Amit
- Abstract要約: 物体検出では、非最大抑圧(NMS)のような後処理法が広く用いられている。
画像中のオブジェクトとそのラベルの正確な数を求めるために,検出選択アルゴリズム (DSA) と呼ばれるポスト処理手法を提案する。
DSAは検出されたバウンディングボックスのサブセットを優雅に選択し、画像全体の解釈を最も高い確率で行う完全なオブジェクト再構成を行う。
- 参考スコア（独自算出の注目度）: 1.7188280334580197
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In object detection, post-processing methods like Non-maximum Suppression
(NMS) are widely used. NMS can substantially reduce the number of false
positive detections but may still keep some detections with low objectness
scores. In order to find the exact number of objects and their labels in the
image, we propose a post processing method called Detection Selection Algorithm
(DSA) which is used after NMS or related methods. DSA greedily selects a subset
of detected bounding boxes, together with full object reconstructions that give
the interpretation of the whole image with highest likelihood, taking into
account object occlusions. The algorithm consists of four components. First, we
add an occlusion branch to Faster R-CNN to obtain occlusion relationships
between objects. Second, we develop a single reconstruction algorithm which can
reconstruct the whole appearance of an object given its visible part, based on
the optimization of latent variables of a trained generative network which we
call the decoder. Third, we propose a whole reconstruction algorithm which
generates the joint reconstruction of all objects in a hypothesized
interpretation, taking into account occlusion ordering. Finally we propose a
greedy algorithm that incrementally adds or removes detections from a list to
maximize the likelihood of the corresponding interpretation. DSA with NMS or
Soft-NMS can achieve better results than NMS or Soft-NMS themselves, as is
illustrated in our experiments on synthetic images with mutiple 3d objects.
- Abstract（参考訳）: 物体検出では、非最大抑圧(NMS)のような後処理法が広く用いられている。
NMSは偽陽性の検出回数を大幅に減らすことができるが、目標値の低いいくつかの検出を維持できる可能性がある。
画像中のオブジェクトとそのラベルの正確な数を求めるため,NMSや関連手法の後に使用される検出選択アルゴリズム(DSA)と呼ばれるポスト処理手法を提案する。
DSAは検出されたバウンディングボックスのサブセットを優雅に選択し、オブジェクトの閉塞を考慮した画像全体の解釈を最も高い確率で行う完全なオブジェクト再構成を行う。
アルゴリズムは4つの要素からなる。
まず、オブジェクト間の閉塞関係を得るために、より高速なR-CNNに閉塞分岐を追加する。
第2に,我々がデコーダと呼ぶ訓練済み生成ネットワークの潜在変数の最適化に基づいて,その可視部分から物体全体の外観を再構築できる単一再構成アルゴリズムを開発した。
第3に, 咬合順序を考慮した仮説的解釈により, 全物体の同時再構成を行う全再構成アルゴリズムを提案する。
最後に,リストから検出を漸進的に追加または削除し,対応する解釈の可能性を最大化する欲望アルゴリズムを提案する。
NMS や Soft-NMS を用いた DSA は NMS や Soft-NMS よりも優れた結果が得られる。
関連論文リスト
- Visual Multi-Object Tracking with Re-Identification and Occlusion Handling using Labeled Random Finite Sets [10.618186767487993]
本稿では、オブジェクトの出現と隠蔽を解消するオンライン視覚多目的追跡(MOT)アルゴリズムを提案する。
我々の解は、ラベル付きランダム有限集合 (LRFS) フィルタリングアプローチに基づいている。
本稿では,トラックの重なり合う部分とそのサイズを考慮したファジィ検出モデルを提案する。
論文 参考訳（メタデータ） (2024-07-11T21:15:21Z) - DR.CPO: Diversified and Realistic 3D Augmentation via Iterative
Construction, Random Placement, and HPR Occlusion [4.64982780843177]
自律運転では、データ拡張は一般的に3Dオブジェクトの検出を改善するために使用される。
我々は,全身オブジェクトを柔軟に構築できる,多種多様で現実的な拡張法を開発した。
DR.CPOは、KITTIデータセットで知られている最高の3D検出結果と比較して、mAP性能を2.08%向上させることができる。
論文 参考訳（メタデータ） (2023-03-20T07:42:48Z) - A Tri-Layer Plugin to Improve Occluded Detection [100.99802831241583]
本研究では,2段階物体検出装置の頭部検出のための単純な''モジュールを提案し,部分閉塞物体のリコールを改善する。
モジュールは、ターゲットオブジェクト、オクルーダー、オクラデーのセグメンテーションマスクの三層を予測し、それによってターゲットオブジェクトのマスクをより正確に予測することができる。
また,COCO評価データセットを構築し,部分閉塞オブジェクトと分離オブジェクトのリコール性能を測定した。
論文 参考訳（メタデータ） (2022-10-18T17:59:51Z) - 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) - You Better Look Twice: a new perspective for designing accurate
detectors with reduced computations [56.34005280792013]
BLT-netは、新しい低計算の2段階オブジェクト検出アーキテクチャである。
非常にエレガントな第1ステージを使用して、オブジェクトをバックグラウンドから分離することで、計算を削減します。
結果のイメージ提案は、高度に正確なモデルによって第2段階で処理される。
論文 参考訳（メタデータ） (2021-07-21T12:39:51Z) - GrooMeD-NMS: Grouped Mathematically Differentiable NMS for Monocular 3D
Object Detection [25.313894069303718]
GrooMeD-NMS - 単分子3D物体検出のための新しいグループ数学的微分可能なNMS - を提示し、統合する。
GrooMeD-NMSはトレーニングパイプラインと推論パイプラインのミスマッチに対処する。
KITTIベンチマークデータセット上で、最先端のモノクル3Dオブジェクト検出結果を達成する。
論文 参考訳（メタデータ） (2021-03-31T16:29:50Z) - Object Detection Made Simpler by Eliminating Heuristic NMS [70.93004137521946]
単純なNMSのないエンドツーエンドのオブジェクト検出フレームワークを示す。
検出精度は元の1段検出器と比べて同等か、さらに向上した。
論文 参考訳（メタデータ） (2021-01-28T02:38:29Z) - End-to-End Object Detection with Fully Convolutional Network [71.56728221604158]
エンドツーエンド検出を実現するために,分類のための予測対応ワン・ツー・ワン (POTO) ラベルの割り当てを導入する。
局所領域における畳み込みの判別性を向上させるために, 簡易な3次元maxフィルタ(3dmf)を提案する。
エンドツーエンドのフレームワークは,COCOおよびCrowdHumanデータセット上のNMSを用いて,最先端の多くの検出器と競合する性能を実現する。
論文 参考訳（メタデータ） (2020-12-07T09:14:55Z) - Quantum-soft QUBO Suppression for Accurate Object Detection [8.871042314510788]
非最大抑制(NMS)は、何十年にもわたって冗長なオブジェクト検出を除去するために、デフォルトで採用されている。
量子コンピューティングの利点を生かした高速かつ正確な検出のための量子ソフトQUBO抑圧アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-07-28T05:12:51Z) - siaNMS: Non-Maximum Suppression with Siamese Networks for Multi-Camera
3D Object Detection [65.03384167873564]
サイムズネットワークは、よく知られた3Dオブジェクト検出器アプローチのパイプラインに統合される。
アソシエーションはオブジェクトの3Dボックスレグレッションを強化するために利用される。
nuScenesデータセットの実験的評価は,提案手法が従来のNMS手法よりも優れていることを示している。
論文 参考訳（メタデータ） (2020-02-19T15:32:38Z)
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。