論文の概要: A Correction-Based Dynamic Enhancement Framework towards Underwater Detection

• arxiv url: http://arxiv.org/abs/2302.02553v1
• Date: Mon, 6 Feb 2023 04:11:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 17:40:58.981571
• Title: A Correction-Based Dynamic Enhancement Framework towards Underwater Detection
• Title（参考訳）: 水中検出のための補正に基づく動的強化フレームワーク
• Authors: Yanling Qiu, Qianxue Feng, Boqin Cai, Hongan Wei, and Weiling Chen
• Abstract要約: 低レベルの修正を導くために,コントリビューション辞書を用いた軽量な動的拡張アルゴリズムを提案する。 実水中物体検出タスクにおける実験結果から,提案手法の一般化と実時間性能の両面での優位性を示した。
• 参考スコア（独自算出の注目度）: 5.103759034134962
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To assist underwater object detection for better performance, image enhancement technology is often used as a pre-processing step. However, most of the existing enhancement methods tend to pursue the visual quality of an image, instead of providing effective help for detection tasks. In fact, image enhancement algorithms should be optimized with the goal of utility improvement. In this paper, to adapt to the underwater detection tasks, we proposed a lightweight dynamic enhancement algorithm using a contribution dictionary to guide low-level corrections. Dynamic solutions are designed to capture differences in detection preferences. In addition, it can also balance the inconsistency between the contribution of correction operations and their time complexity. Experimental results in real underwater object detection tasks show the superiority of our proposed method in both generalization and real-time performance.
• Abstract（参考訳）: 水中物体検出の高性能化を支援するため、画像強調技術は前処理のステップとしてよく用いられる。 しかし、既存の拡張手法のほとんどは、検出タスクに効果的な助けを提供するのではなく、画像の視覚的品質を追求する傾向にある。 実際、画像強調アルゴリズムは実用性向上のために最適化されるべきである。 本稿では,水中検出タスクに適応するため,低レベルの修正を導くための寄与辞書を用いた軽量な動的拡張アルゴリズムを提案する。 動的ソリューションは検出の好みの違いを捉えるように設計されている。 さらに、修正操作の寄与と時間複雑性の矛盾をバランスさせることもできる。 実水中物体検出タスクにおける実験結果から,提案手法の一般化と実時間性能の両面で優位性を示した。

関連論文リスト

• LUIEO: A Lightweight Model for Integrating Underwater Image Enhancement and Object Detection [10.572090127928698]
  本稿では,水中画像の強調と検出精度の向上を同時に行うマルチタスク学習手法を提案する。 統合モデルは、情報通信と異なるタスク間の共有を動的に調整することを可能にする。 数値実験により,提案モデルが視覚性能,物体検出精度,検出効率を満足できることを示す。
  論文  参考訳（メタデータ） (2024-12-01T14:01:30Z)
• HUPE: Heuristic Underwater Perceptual Enhancement with Semantic Collaborative Learning [62.264673293638175]
  既存の水中画像強調法は主に視覚的品質の向上に重点を置いており、実際的な意味を見落としている。 視覚的品質を高め,他の下流タスクに対処する柔軟性を示す,水中知覚向上のための可逆的ネットワークHを提案する。
  論文  参考訳（メタデータ） (2024-11-27T12:37:03Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• WaterFlow: Heuristic Normalizing Flow for Underwater Image Enhancement and Beyond [52.27796682972484]
  既存の水中画像強調法は, 画像品質の向上に重点を置いており, 実践への影響を無視している。 本稿では,検出駆動型水中画像強調のための正規化フローであるWaterFlowを提案する。 微分可能性や解釈可能性を考慮すると、事前をデータ駆動マッピング手法に組み込む。
  論文  参考訳（メタデータ） (2023-08-02T04:17:35Z)
• Joint Perceptual Learning for Enhancement and Object Detection in Underwater Scenarios [41.34564703212461]
  水中物体検出と画像強調を共同で学習する二段階最適化法を提案する。 本手法は,視覚的に有利な画像と高い検出精度を出力する。
  論文  参考訳（メタデータ） (2023-07-07T11:54:06Z)
• Semantic-aware Texture-Structure Feature Collaboration for Underwater Image Enhancement [58.075720488942125]
  水中画像の強調は海洋工学や水生ロボット工学において重要な技術として注目されている。 我々は,高レベルな意味認識事前学習モデルと協調して,効率的でコンパクトな拡張ネットワークを開発する。 また,提案手法を水中の有意な物体検出タスクに適用し,高レベルの視覚タスクに適した意味認識能力を明らかにする。
  論文  参考訳（メタデータ） (2022-11-19T07:50:34Z)
• Controllable Image Enhancement [66.18525728881711]
  いくつかのパラメータを制御して、複数のスタイルで高品質な画像を生成できる半自動画像強調アルゴリズムを提案する。 エンコーダ・デコーダフレームワークは、リタッチスキルを潜在コードにエンコードし、イメージ信号処理機能のパラメータにデコードする。
  論文  参考訳（メタデータ） (2022-06-16T23:54:53Z)
• The Loop Game: Quality Assessment and Optimization for Low-Light Image Enhancement [50.29722732653095]
  低照度画像強調手法の設計と最適化は知覚品質によって完全に駆動される必要があるという認識がますます高まっている。 本稿では,低照度画像の高画質化が視覚的品質の向上にどのように最適化されるかを示すループ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-20T06:20:06Z)
• Adaptive Remote Sensing Image Attribute Learning for Active Object Detection [43.029857143916345]
  本稿では,適応的な明るさ調整とスケール調整を例に,深層強化学習に基づくアクティブ物体検出手法を提案する。 適応画像属性学習の目標は、検出性能を最大化することです。
  論文  参考訳（メタデータ） (2021-01-16T11:37:50Z)
• Perceptual underwater image enhancement with deep learning and physical priors [35.37760003463292]
  本稿では,2つの知覚強調モデルを提案する。 トレーニングデータの欠如により, 物理的先行とデータ駆動的手がかりを融合したハイブリッド水中画像合成モデルが提案され, トレーニングデータを合成する。 実験結果から,提案手法は実環境および合成水中データセット上でのいくつかの最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-08-21T22:11:34Z)

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。