Fugu-MT 論文翻訳(概要): Bright Channel Prior Attention for Multispectral Pedestrian Detection

論文の概要: Bright Channel Prior Attention for Multispectral Pedestrian Detection

arxiv url: http://arxiv.org/abs/2305.12845v1
Date: Mon, 22 May 2023 09:10:22 GMT
ステータス: 処理完了
システム内更新日: 2023-05-23 17:10:18.007062
Title: Bright Channel Prior Attention for Multispectral Pedestrian Detection
Title（参考訳）: 多スペクトル歩行者検出のためのBright Channel Pretention
Authors: Chenhang Cui, Jinyu Xie, Yechenhao Yang
Abstract要約: 低照度環境下での歩行者検出を向上する新しい方法を提案する。提案手法は,画像の強調と検出を統合されたフレームワークに統合する。
参考スコア（独自算出の注目度）: 1.441471691695475
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Multispectral methods have gained considerable attention due to their promising performance across various fields. However, most existing methods cannot effectively utilize information from two modalities while optimizing time efficiency. These methods often prioritize accuracy or time efficiency, leaving room for improvement in their performance. To this end, we propose a new method bright channel prior attention for enhancing pedestrian detection in low-light conditions by integrating image enhancement and detection within a unified framework. The method uses the V-channel of the HSV image of the thermal image as an attention map to trigger the unsupervised auto-encoder for visible light images, which gradually emphasizes pedestrian features across layers. Moreover, we utilize unsupervised bright channel prior algorithms to address light compensation in low light images. The proposed method includes a self-attention enhancement module and a detection module, which work together to improve object detection. An initial illumination map is estimated using the BCP, guiding the learning of the self-attention map from the enhancement network to obtain more informative representation focused on pedestrians. The extensive experiments show effectiveness of the proposed method is demonstrated through.
Abstract（参考訳）: マルチスペクトル法は様々な分野で有望な性能で注目されている。しかし,既存の手法では時間効率を最適化しながら2つのモーダルからの情報を効果的に活用することはできない。これらの手法は精度や時間の効率を優先し、性能を改善する余地を残します。そこで本研究では,統一フレームワークにおける画像強調と検出を統合し,低照度環境における歩行者検出の高速化を目的とした新しいbright channel prior attentionを提案する。この方法は、熱画像のHSV画像のVチャネルを注意マップとして使用し、可視光画像のための教師なしオートエンコーダをトリガーし、徐々に層間における歩行者の特徴を強調する。さらに, 教師なしのbright channel priorアルゴリズムを用いて低光度画像の光補償を行う。提案手法は,オブジェクト検出を改善するために協調して動作する自己注意強化モジュールと検出モジュールを含む。 BCPを用いて初期照明マップを推定し、拡張ネットワークから自己注意マップの学習を誘導し、歩行者に焦点を当てたより情報的な表現を得る。実験により,提案手法の有効性が示された。

関連論文リスト

Nighttime Pedestrian Detection Based on Fore-Background Contrast Learning [5.276429687094915]
本研究は,低照度環境下での片側片側夜間歩行者検出性能の課題に対処するものである。チャネルアテンション機構に背景情報を組み込むことで,FBCA(Fe-Background Contrast Attention)を提案する。実験結果から,FBCAは単一夜間歩行者検出において既存手法よりも有意に優れていた。
論文参考訳（メタデータ） (2024-08-06T08:24:47Z)
Inhomogeneous illumination image enhancement under ex-tremely low visibility condition [3.534798835599242]
濃霧を通した画像は、物体の検出や認識の曖昧化といったアプリケーションに不可欠な視覚情報を欠いているため、従来の画像処理手法を妨げている。本稿では,構造微分・積分フィルタ(F)に基づく背景照明を適応的にフィルタし,信号情報のみを向上させる手法を提案する。提案手法は, 極めて低視認性条件下で信号の明瞭度を著しく向上し, 既存の技術よりも優れており, 深部霧画像への応用に大きく貢献することを示した。
論文参考訳（メタデータ） (2024-04-26T16:09:42Z)
Skip-Attention: Improving Vision Transformers by Paying Less Attention [55.47058516775423]
視覚計算変換器(ViT)は、すべての層で高価な自己注意操作を使用する。また,SkipAtを提案する。SkipAtは,先行層から自己注意を再利用して1層以上の注意を近似する手法である。本稿では,画像の分類と自己教師型学習,ADE20Kのセマンティックセグメンテーション,SIDDの画像デノイング,DAVISのビデオデノナイズにおける手法の有効性を示す。
論文参考訳（メタデータ） (2023-01-05T18:59:52Z)
Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
論文参考訳（メタデータ） (2022-03-30T11:44:56Z)
Low-light Image Enhancement by Retinex Based Algorithm Unrolling and Adjustment [50.13230641857892]
本稿では,低照度画像強調(LIE)問題に対する新たなディープラーニングフレームワークを提案する。提案フレームワークは,大域的明るさと局所的明るさ感度の両方を考慮したアルゴリズムアンロールと調整ネットワークに着想を得た分解ネットワークを含む。一連の典型的なLIEデータセットの実験では,既存の手法と比較して,定量的かつ視覚的に,提案手法の有効性が示された。
論文参考訳（メタデータ） (2022-02-12T03:59:38Z)
Illumination and Temperature-Aware Multispectral Networks for Edge-Computing-Enabled Pedestrian Detection [10.454696553567809]
本研究は,高精度かつ効率的な歩行者検出のための軽量照明・温度対応マルチスペクトルネットワーク(IT-MN)を提案する。提案アルゴリズムは、車載カメラで収集した公開データセットを用いて、選択した最先端アルゴリズムと比較して評価する。提案アルゴリズムは,GPU上の画像ペアあたり14.19%,0.03秒の低ミス率と推論時間を実現する。
論文参考訳（メタデータ） (2021-12-09T17:27:23Z)
Counterfactual Attention Learning for Fine-Grained Visual Categorization and Re-identification [101.49122450005869]
本稿では,因果推論に基づくより効果的な注意力学習法を提案する。具体的には,学習した視覚的注意がネットワーク予測に与える影響を分析する。本手法は,広範囲の粒度認識タスクにおいて評価する。
論文参考訳（メタデータ） (2021-08-19T14:53:40Z)
Improving Aerial Instance Segmentation in the Dark with Self-Supervised Low Light Enhancement [6.500738558466833]
空中画像の低照度条件は、視覚ベースのアプリケーションの性能に悪影響を及ぼす。自己監督型で低照度画像を高めることができる新しい手法を提案する。 GANを用いた新しい低照度航空データセットも提案する。
論文参考訳（メタデータ） (2021-02-10T12:24:40Z)
Bridge the Vision Gap from Field to Command: A Deep Learning Network Enhancing Illumination and Details [17.25188250076639]
我々は,明るさを調整し,細部を同時に強化する2ストリームフレームワークNEIDを提案する。提案手法は,光強調 (LE), 細粒化 (DR), 特徴拡散 (FF) モジュールの3つの部分から構成される。
論文参考訳（メタデータ） (2021-01-20T09:39:57Z)
Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文参考訳（メタデータ） (2020-08-19T13:13:01Z)
ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
論文参考訳（メタデータ） (2020-03-04T08:36:27Z)

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。