論文の概要: Towards Spatial Equilibrium Object Detection

• arxiv url: http://arxiv.org/abs/2301.05957v1
• Date: Sat, 14 Jan 2023 17:33:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-18 18:08:07.848647
• Title: Towards Spatial Equilibrium Object Detection
• Title（参考訳）: 空間平衡物体検出に向けて
• Authors: Zhaohui Zheng, Yuming Chen, Qibin Hou, Xiang Li, Ming-Ming Cheng
• Abstract要約: 本稿では,現代物体検出器の空間的不平衡問題について考察する。 本稿では,ゾーンにおける検出性能の測定により,この問題の定量化を提案する。 これは、より一般化された測度を設計する動機となり、空間平衡精度と呼ばれる。
• 参考スコア（独自算出の注目度）: 88.9747319572368
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semantic objects are unevenly distributed over images. In this paper, we study the spatial disequilibrium problem of modern object detectors and propose to quantify this ``spatial bias'' by measuring the detection performance over zones. Our analysis surprisingly shows that the spatial imbalance of objects has a great impact on the detection performance, limiting the robustness of detection applications. This motivates us to design a more generalized measurement, termed Spatial equilibrium Precision (SP), to better characterize the detection performance of object detectors. Furthermore, we also present a spatial equilibrium label assignment (SELA) to alleviate the spatial disequilibrium problem by injecting the prior spatial weight into the optimization process of detectors. Extensive experiments on PASCAL VOC, MS COCO, and 3 application datasets on face mask/fruit/helmet images demonstrate the advantages of our method. Our findings challenge the conventional sense of object detectors and show the indispensability of spatial equilibrium. We hope these discoveries would stimulate the community to rethink how an excellent object detector should be. All the source code, evaluation protocols, and the tutorials are publicly available at https://github.com/Zzh-tju/ZoneEval
• Abstract（参考訳）: セマンティックオブジェクトは画像上に不均一に分散される。 本稿では,現代の物体検出器の空間的不均衡問題について検討し,この「空間バイアス」をゾーン間の検出性能の測定により定量化することを提案する。 解析の結果,物体の空間的不均衡が検出性能に大きな影響を与え,検出アプリケーションのロバストさを抑えることがわかった。 これにより、より一般化された空間平衡精度 (SP) を設計し、物体検出器の検出性能をより良く特徴付けることができる。 さらに,検出器の最適化プロセスに先行空間重みを注入することにより空間不均衡問題を緩和するための空間平衡ラベル割り当て(SELA)を提案する。 PASCAL VOC, MS COCO, およびフェイスマスク/フルーツ/ヘルペット画像上の3つのアプリケーションデータセットに関する大規模な実験により, 本手法の利点が示された。 本研究は,従来の物体検出器の感覚に挑戦し,空間平衡が不可欠であることを示す。 これらの発見がコミュニティを刺激し、優れた物体検出器がどうあるべきかを考え直すことを期待しています。 すべてのソースコード、評価プロトコル、チュートリアルはhttps://github.com/Zzh-tju/ZoneEvalで公開されている。

関連論文リスト

• Perceptual Piercing: Human Visual Cue-based Object Detection in Low Visibility Conditions [2.0409124291940826]
  本研究では,大気散乱と人間の視覚野機構に触発された新しい深層学習フレームワークを提案する。 本研究の目的は, 環境条件下での検知システムの精度と信頼性を高めることである。
  論文  参考訳（メタデータ） (2024-10-02T04:03:07Z)
• Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
  本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。 提案手法は平均精度(MAP)を約45.7%向上させる。 この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
  論文  参考訳（メタデータ） (2023-11-21T19:49:13Z)
• Zone Evaluation: Revealing Spatial Bias in Object Detection [69.59295428233844]
  物体検出器の基本的限界は、それらが「空間バイアス」に苦しむことである。 本稿では,ゾーン間の検出性能を計測する新しいゾーン評価プロトコルを提案する。 初めて数値的な結果が得られ、対象検出器はゾーンにわたって非常に不均一に機能することを示した。
  論文  参考訳（メタデータ） (2023-10-20T01:44:49Z)
• SOOD: Towards Semi-Supervised Oriented Object Detection [57.05141794402972]
  本稿では, 主流の擬似ラベリングフレームワーク上に構築された, SOOD と呼ばれる, 半教師付きオブジェクト指向物体検出モデルを提案する。 提案した2つの損失をトレーニングした場合,SOODはDOTA-v1.5ベンチマークの様々な設定下で,最先端のSSOD法を超越することを示した。
  論文  参考訳（メタデータ） (2023-04-10T11:10:42Z)
• ARS-DETR: Aspect Ratio-Sensitive Detection Transformer for Aerial Oriented Object Detection [55.291579862817656]
  既存のオブジェクト指向オブジェクト検出手法では、モデルの性能を測定するために計量AP$_50$が一般的である。 我々は、AP$_50$は本来、角度偏差に大きな耐性があるため、オブジェクト指向物体検出には適さないと主張している。 本稿では,ARS-DETR(Aspect Ratio Sensitive Oriented Object Detector with Transformer)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T02:20:56Z)
• Understanding the Impact of Image Quality and Distance of Objects to Object Detection Performance [11.856281907276145]
  本稿では,物体検出精度と計算コストに及ぼす空間分解能,振幅分解能,物体距離の影響について検討する。 入力画像の空間分解能に基づいて特徴ピラミッドと検出ヘッドのスケール数を変化させる解像度適応型 YOLOv5 (RA-YOLO) を開発した。
  論文  参考訳（メタデータ） (2022-09-17T04:05:01Z)
• SpectraNet: Learned Recognition of Artificial Satellites From High Contrast Spectroscopic Imagery [0.0]
  観測データから物体の識別を抽出する現在の方法は、低軌道上の物体に対する識別を制限する空間的に解決された画像を必要とする。 しかし、ほとんどの人工衛星は、地上の観測所が空間情報の解決を禁止している距離で静止軌道で運用されている。 本稿では,残差畳み込みニューラルネットワークを応用したオブジェクト識別手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T19:51:00Z)
• Slender Object Detection: Diagnoses and Improvements [74.40792217534]
  本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。 古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
  論文  参考訳（メタデータ） (2020-11-17T09:39:42Z)

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。