論文の概要: Hausdorff Distance Matching with Adaptive Query Denoising for Rotated Detection Transformer

• arxiv url: http://arxiv.org/abs/2305.07598v5
• Date: Tue, 29 Oct 2024 02:36:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-30 13:37:44.164863
• Title: Hausdorff Distance Matching with Adaptive Query Denoising for Rotated Detection Transformer
• Title（参考訳）: 回転検出変圧器の適応的問合せを用いたハウスドルフ距離マッチング
• Authors: Hakjin Lee, Minki Song, Jamyoung Koo, Junghoon Seo,
• Abstract要約: 両部マッチングのためのハウスドルフ距離に基づくコストを導入し、予測と基底の真理との相違をより正確に定量化する。 本稿では,2部マッチングを用いた適応型問合せ記述手法を提案し,モデル改良から抽出した雑音付き問合せを選択的に除去する。
• 参考スコア（独自算出の注目度）: 4.137346786534721
• License:
• Abstract: Detection Transformers (DETR) have recently set new benchmarks in object detection. However, their performance in detecting rotated objects lags behind established oriented object detectors. Our analysis identifies a key observation: the boundary discontinuity and square-like problem in bipartite matching poses an issue with assigning appropriate ground truths to predictions, leading to duplicate low-confidence predictions. To address this, we introduce a Hausdorff distance-based cost for bipartite matching, which more accurately quantifies the discrepancy between predictions and ground truths. Additionally, we find that a static denoising approach impedes the training of rotated DETR, especially as the quality of the detector's predictions begins to exceed that of the noised ground truths. To overcome this, we propose an adaptive query denoising method that employs bipartite matching to selectively eliminate noised queries that detract from model improvement. When compared to models adopting a ResNet-50 backbone, our proposed model yields remarkable improvements, achieving $\textbf{+4.18}$ AP$_{50}$, $\textbf{+4.59}$ AP$_{50}$, and $\textbf{+4.99}$ AP$_{50}$ on DOTA-v2.0, DOTA-v1.5, and DIOR-R, respectively.
• Abstract（参考訳）: Detection Transformer (DETR)は先頃,オブジェクト検出のベンチマークを新たに設定した。 しかし, 定性的指向性物体検出装置の後方の回転物体ラグの検出性能は向上した。 両部マッチングにおける境界の不連続性と正方形の問題は、適切な基底真理を予測に割り当てることで問題を引き起こし、重複した低信頼予測をもたらす。 これを解決するために,両部マッチングのためのハウスドルフ距離に基づくコストを導入し,予測と基底真理の相違をより正確に定量化する。 さらに、静的な偏極法は、特に検出器の予測の質がノイズのある基底の真理を超え始めるにつれて、回転したDETRの訓練を妨げることが判明した。 そこで本研究では,両部マッチングを用いた適応型クエリ記述手法を提案し,モデル改善から抽出したノイズクエリを選択的に除去する。 ResNet-50のバックボーンを採用するモデルと比較して、提案モデルでは、それぞれ$\textbf{+4.18}$ AP$_{50}$, $\textbf{+4.59}$ AP$_{50}$, $\textbf{+4.99}$ AP$_{50}$ on DOTA-v2.0, DOTA-v1.5, DIOR-Rをそれぞれ達成している。

関連論文リスト

• Relation DETR: Exploring Explicit Position Relation Prior for Object Detection [26.03892270020559]
  本稿では,DETR(Detection TRansformer)の収束性と性能を向上させる手法を提案する。 我々の手法であるRelation-DETRは、プログレッシブ・アテンション・リファインメントのための位置関係埋め込みを構築するエンコーダを導入している。 汎用データセットとタスク固有のデータセットの両方の実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2024-07-16T13:17:07Z)
• TD^2-Net: Toward Denoising and Debiasing for Dynamic Scene Graph Generation [76.24766055944554]
  動的SGGのデノベーションとデボアシングを目的としたネットワークTD$2$-Netを導入する。 TD$2$-Netは、述語分類における平均リコール@10で、第2位の競争相手を12.7%上回っている。
  論文  参考訳（メタデータ） (2024-01-23T04:17:42Z)
• Rank-DETR for High Quality Object Detection [52.82810762221516]
  高性能なオブジェクト検出器は、バウンディングボックス予測の正確なランキングを必要とする。 本研究では, 簡易かつ高性能なDETR型物体検出器について, 一連のランク指向設計を提案して紹介する。
  論文  参考訳（メタデータ） (2023-10-13T04:48:32Z)
• Efficient Decoder-free Object Detection with Transformers [75.00499377197475]
  視覚変換器(ViT)は、物体検出アプローチのランドスケープを変化させている。 本稿では,デコーダフリー完全トランス(DFFT)オブジェクト検出器を提案する。 DFFT_SMALLは、トレーニングおよび推論段階で高い効率を達成する。
  論文  参考訳（メタデータ） (2022-06-14T13:22:19Z)
• Analyzing and Mitigating Interference in Neural Architecture Search [96.60805562853153]
  本研究では、異なる子モデルをサンプリングし、共有演算子の勾配類似度を計算することで干渉問題を解明する。 これら2つの観測から着想を得て、干渉を緩和するための2つのアプローチを提案する。 検索したアーキテクチャは、RoBERTa$_rmbase$が1.1、0.6、ELECTRA$_rmbase$が1.6、テストセットであるGLUEベンチマークで1.1より優れています。
  論文  参考訳（メタデータ） (2021-08-29T11:07:46Z)
• Which to Match? Selecting Consistent GT-Proposal Assignment for Pedestrian Detection [23.92066492219922]
  IoU(Universal Intersection over Union)ベースの割り当て-回帰方式は依然としてパフォーマンスを制限している。 新しい割り当てと回帰メトリックとして、1つの幾何学的敏感検索アルゴリズムを紹介します。 具体的には、MR-FPPIをR$_75$で8.8%向上させます。
  論文  参考訳（メタデータ） (2021-03-18T08:54:51Z)
• SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
  本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。 効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。 構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
  論文  参考訳（メタデータ） (2020-07-26T12:32:38Z)
• A Systematic Evaluation of Object Detection Networks for Scientific Plots [17.882932963813985]
  PlotQAデータセット上で、様々なSOTAオブジェクト検出ネットワークの精度をトレーニングし比較する。 0.5の標準IOU設定では、ほとんどのネットワークはプロット内の比較的単純な物体を検出する場合、mAPスコアが80%以上である。 しかし、パフォーマンスは0.9のより厳格なIOUで評価されると大幅に低下し、最高のモデルでmAPは35.70%となった。
  論文  参考訳（メタデータ） (2020-07-05T05:30:53Z)
• Detection in Crowded Scenes: One Proposal, Multiple Predictions [79.28850977968833]
  混み合ったシーンにおける高過度なインスタンスを検出することを目的とした,提案手法によるオブジェクト検出手法を提案する。 このアプローチの鍵は、各提案が以前の提案ベースのフレームワークの1つではなく、関連したインスタンスのセットを予測できるようにすることです。 我々の検出器は、CrowdHumanデータセットの挑戦に対して4.9%のAPゲインを得ることができ、CityPersonsデータセットでは1.0%$textMR-2$の改善がある。
  論文  参考訳（メタデータ） (2020-03-20T09:48:53Z)

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。