論文の概要: Addressing the Challenges of Open-World Object Detection

• arxiv url: http://arxiv.org/abs/2303.14930v1
• Date: Mon, 27 Mar 2023 06:11:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-28 16:58:09.516983
• Title: Addressing the Challenges of Open-World Object Detection
• Title（参考訳）: オープンワールドオブジェクト検出の課題への取り組み
• Authors: David Pershouse, Feras Dayoub, Dimity Miller, Niko S\"underhauf
• Abstract要約: OW-RCNNは、オープンワールドオブジェクト検出(OWOD)の3つの課題に対処するオープンワールドオブジェクト検出器である。 OW-RCNNは、MS-COCO上のオープンワールド評価プロトコルを用いて、新しい最先端技術を確立する。
• 参考スコア（独自算出の注目度）: 12.053132866404972
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We address the challenging problem of open world object detection (OWOD), where object detectors must identify objects from known classes while also identifying and continually learning to detect novel objects. Prior work has resulted in detectors that have a relatively low ability to detect novel objects, and a high likelihood of classifying a novel object as one of the known classes. We approach the problem by identifying the three main challenges that OWOD presents and introduce OW-RCNN, an open world object detector that addresses each of these three challenges. OW-RCNN establishes a new state of the art using the open-world evaluation protocol on MS-COCO, showing a drastically increased ability to detect novel objects (16-21% absolute increase in U-Recall), to avoid their misclassification as one of the known classes (up to 52% reduction in A-OSE), and to incrementally learn to detect them while maintaining performance on previously known classes (1-6% absolute increase in mAP).
• Abstract（参考訳）: オープンワールドオブジェクト検出(OWOD)では,オブジェクト検出者は既知のクラスからオブジェクトを識別し,新しいオブジェクトを識別し,継続的に学習する必要がある。 以前の研究は、新しい物体を検出する能力が比較的低い検出器と、既知のクラスの1つとして新しい物体を分類する可能性の高い検出器を生み出した。 OWODが提示する3つの主要な課題を特定し,これら3つの課題に対処するオープンワールドオブジェクト検出器OW-RCNNを導入することで,この問題に対処する。 OW-RCNNは、MS-COCOのオープンワールド評価プロトコルを用いて、新しいオブジェクトを検知する能力(U-リコールの16-21%の絶対的な増加)を大幅に増加させ、既知のクラスの1つとして分類されるのを回避し(A-OSEの最大52%の削減)、既知のクラスのパフォーマンスを維持しながら、それらを段階的に検出する能力(mAPの1-6%の絶対的な増加)を示す。

関連論文リスト

• Exploiting Unlabeled Data with Multiple Expert Teachers for Open Vocabulary Aerial Object Detection and Its Orientation Adaptation [58.37525311718006]
  OVAD(Open-vocabulary Aero Object Detection)という,航空物体検出問題の新しい定式化を行った。 本稿では,CLIP-activated students-Teacher DetectionフレームワークであるCastDetを提案する。 本フレームワークは,ロバストなローカライズ教師といくつかのボックス選択戦略を統合し,新しいオブジェクトの高品質な提案を生成する。
  論文  参考訳（メタデータ） (2024-11-04T12:59:13Z)
• Open World Object Detection: A Survey [16.839310066730533]
  オープンワールドオブジェクト検出(OWOD)は、この原則を適用して新しい知識を探求する、新たな研究分野である。 本稿では、OWODドメインの徹底的なレビューを行い、問題定義、ベンチマークデータセット、ソースコード、評価指標、既存手法の比較研究など、基本的な側面について述べる。 本稿では,現在のOWODアルゴリズムが直面する限界と課題に対処し,今後の研究の方向性を提案する。
  論文  参考訳（メタデータ） (2024-10-15T05:46:00Z)
• V3Det Challenge 2024 on Vast Vocabulary and Open Vocabulary Object Detection: Methods and Results [142.5704093410454]
  V3Det Challenge 2024は、オブジェクト検出研究の境界を推し進めることを目的としている。 Vast Vocabulary Object DetectionとOpen Vocabulary Object Detectionの2つのトラックで構成されている。 我々は,広い語彙とオープン語彙のオブジェクト検出において,今後の研究の方向性を刺激することを目指している。
  論文  参考訳（メタデータ） (2024-06-17T16:58:51Z)
• Unsupervised Recognition of Unknown Objects for Open-World Object Detection [28.787586991713535]
  Open-World Object Detection (OWOD) はオブジェクト検出問題を現実的でダイナミックなシナリオに拡張する。 現在のOWODモデル(OREやOW-DETRなど)は、高い客観性スコアを持つ擬似ラベル領域に注目する。 本稿では,未知の物体を認識するために,教師なしの識別モデルを学ぶ新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-08-31T08:17:29Z)
• Open World DETR: Transformer based Open World Object Detection [60.64535309016623]
  そこで我々は,Deformable DETRに基づくオープンワールドオブジェクト検出のための2段階学習手法Open World DETRを提案する。 モデルのクラス固有のコンポーネントを多視点の自己ラベル戦略と一貫性制約で微調整する。 提案手法は、他の最先端のオープンワールドオブジェクト検出方法よりも大きなマージンで優れている。
  論文  参考訳（メタデータ） (2022-12-06T13:39:30Z)
• Incremental-DETR: Incremental Few-Shot Object Detection via Self-Supervised Learning [60.64535309016623]
  本稿では,DeTRオブジェクト検出器上での微調整および自己教師型学習によるインクリメンタル・デクリメンタル・デクリメンタル・デクリメンタル・オブジェクト検出を提案する。 まず,DeTRのクラス固有のコンポーネントを自己監督で微調整する。 さらに,DeTRのクラス固有のコンポーネントに知識蒸留を施した数発の微調整戦略を導入し,破滅的な忘れを伴わずに新しいクラスを検出するネットワークを奨励する。
  論文  参考訳（メタデータ） (2022-05-09T05:08:08Z)
• Towards Open-Set Object Detection and Discovery [38.81806249664884]
  我々は新しいタスク、すなわちOpen-Set Object Detection and Discovery(OSODD)を提案する。 本稿では、まずオープンセットオブジェクト検出器を用いて、未知のオブジェクトと未知のオブジェクトの両方を予測する2段階の手法を提案する。 そこで,予測対象を教師なしで表現し,未知対象の集合から新たなカテゴリを発見する。
  論文  参考訳（メタデータ） (2022-04-12T08:07:01Z)
• OW-DETR: Open-world Detection Transformer [90.56239673123804]
  オープンワールドオブジェクト検出のための新しいエンドツーエンドトランスフォーマーベースのフレームワークOW-DETRを提案する。 OW-DETRは3つの専用コンポーネント、すなわち注目駆動の擬似ラベル、新規性分類、オブジェクトネススコアから構成される。 我々のモデルは、最近導入されたOWODアプローチであるOREよりも優れており、リコールの度合いは1.8%から3.3%である。
  論文  参考訳（メタデータ） (2021-12-02T18:58:30Z)
• Towards Open World Object Detection [68.79678648726416]
  ORE: Open World Object Detectorは、対照的なクラスタリングとエネルギーベースの未知の識別に基づいている。 未知のインスタンスの識別と特徴付けは、インクリメンタルなオブジェクト検出設定における混乱を減らすのに役立ちます。
  論文  参考訳（メタデータ） (2021-03-03T18:58:18Z)

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。