論文の概要: FSD: Fully-Specialized Detector via Neural Architecture Search

• arxiv url: http://arxiv.org/abs/2305.16649v3
• Date: Mon, 12 Jun 2023 02:27:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-13 23:55:29.645897
• Title: FSD: Fully-Specialized Detector via Neural Architecture Search
• Title（参考訳）: FSD:ニューラルアーキテクチャサーチによる完全特殊化検出器
• Authors: Zhe Huang and Yudian Li
• Abstract要約: まず,FSDを設計するための完全自動パイプラインを提案し,検討する。 DeepLesionデータセットでは、FSDは2次病変検出タスクで約40%少ないパラメータを使用して3.1mAPゲインを達成することができる。
• 参考スコア（独自算出の注目度）: 2.149718433100702
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most generic object detectors are mainly built for standard object detection tasks such as COCO and PASCAL VOC. They might not work well and/or efficiently on tasks of other domains consisting of images that are visually different from standard datasets. To this end, many advances have been focused on adapting a general-purposed object detector with limited domain-specific designs. However, designing a successful task-specific detector requires extraneous manual experiments and parameter tuning through trial and error. In this paper, we first propose and examine a fully-automatic pipeline to design a fully-specialized detector (FSD) which mainly incorporates a neural-architectural-searched model by exploring ideal network structures over the backbone and task-specific head. On the DeepLesion dataset, extensive results show that FSD can achieve 3.1 mAP gain while using approximately 40% fewer parameters on binary lesion detection task and improved the mAP by around 10% on multi-type lesion detection task via our region-aware graph modeling compared with existing general-purposed medical lesion detection networks.
• Abstract（参考訳）: ほとんどのジェネリックオブジェクト検出器は、COCOやPASCAL VOCのような標準オブジェクト検出タスクのために構築されている。 標準的なデータセットと視覚的に異なるイメージからなる他のドメインのタスクでは、うまく動作せず、効率的に動作しないかもしれない。 この目的のために、ドメイン固有の設計に制限のある汎用オブジェクト検出器の適応に多くの進歩が注がれている。 しかし、成功したタスク特異的検出器の設計には、試行錯誤による余計な手動実験とパラメータチューニングが必要となる。 本稿では,バックボーンとタスク固有頭部上の理想的なネットワーク構造を探索することにより,主に神経構造探索モデルを含む完全特殊化検出器(FSD)を設計するための完全自動パイプラインを提案し,検討する。 DeepLesionデータセットでは、FSDは2次病変検出タスクのパラメータを約40%削減しつつ3.1mAPのゲインを達成でき、既存の汎用医学的病変検出ネットワークと比較して、領域認識グラフモデリングによる多型病変検出タスクでは約10%改善した。

関連論文リスト

• Physics-Guided Detector for SAR Airplanes [48.11882103050703]
  SAR航空機のための新しい物理誘導検出器(PGD)学習パラダイムを提案する。 検出性能を向上させるために、その離散性と変動性を包括的に調査する。 実験では,提案したPGDの柔軟性と有効性を示す。
  論文  参考訳（メタデータ） (2024-11-19T07:41:09Z)
• Renormalized Connection for Scale-preferred Object Detection in Satellite Imagery [51.83786195178233]
  我々は、効率的な特徴抽出の観点から再正規化群理論を実装するために、知識発見ネットワーク(KDN)を設計する。 KDN上の再正規化接続(RC)は、マルチスケール特徴の「相乗的焦点」を可能にする。 RCはFPNベースの検出器のマルチレベル特徴の分割・対数機構を幅広いスケールで予測されたタスクに拡張する。
  論文  参考訳（メタデータ） (2024-09-09T13:56:22Z)
• Efficient Meta-Learning Enabled Lightweight Multiscale Few-Shot Object Detection in Remote Sensing Images [15.12889076965307]
  YOLOv7ワンステージ検出器は、新しいメタラーニングトレーニングフレームワークが組み込まれている。 この変換により、検出器はFSODのタスクに十分対応できると同時に、その固有の軽量化の利点を活かすことができる。 提案検出器の有効性を検証するため, 現状の検出器と性能比較を行った。
  論文  参考訳（メタデータ） (2024-04-29T04:56:52Z)
• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• Minimal-Configuration Anomaly Detection for IIoT Sensors [0.2462953128215087]
  業界における低コストのIoTセンサプラットフォームは、異常検出ソリューションの需要を高めている。 近年のディープラーニング技術はセンサデータ記録における異常検出に有望な方法を提供している。 本研究は,一般的な異常検出手法への第一歩だと考えている。
  論文  参考訳（メタデータ） (2021-10-08T11:52:52Z)
• Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
  顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。 これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
  論文  参考訳（メタデータ） (2021-09-21T16:18:45Z)
• Small and large scale critical infrastructures detection based on deep learning using high resolution orthogonal images [0.0]
  本稿では、スマートデータセットと、分解能に依存しないクリティカルインフラストラクチャ検出システムを提案する。 特に、検出モデルの性能から導かれ、我々は2つのスケール、小さくて大規模なデータセットを構築した。 DetDSCI法は、ベースライン検出器に関して最大37,53%のF1改善を達成している。
  論文  参考訳（メタデータ） (2021-05-25T11:38:15Z)
• A DCNN-based Arbitrarily-Oriented Object Detector for Quality Control and Inspection Application [10.076629346147639]
  軽量ニューラルネットワークを利用して回帰法を用いて指向性検出結果を得る。 提案手法の第1段階では,2つのシナリオで考慮される小型ターゲットを検出できる。 第2段階では、単純さにもかかわらず、高いランニング効率を維持しながら延長ターゲットを検出することが効率的です。
  論文  参考訳（メタデータ） (2021-01-19T00:23:27Z)
• MRDet: A Multi-Head Network for Accurate Oriented Object Detection in Aerial Images [51.227489316673484]
  水平アンカーから変換された指向性提案を生成するために、任意指向領域提案ネットワーク(AO-RPN)を提案する。 正確なバウンディングボックスを得るために,検出タスクを複数のサブタスクに分離し,マルチヘッドネットワークを提案する。 各ヘッドは、対応するタスクに最適な特徴を学習するために特別に設計されており、ネットワークがオブジェクトを正確に検出することができる。
  論文  参考訳（メタデータ） (2020-12-24T06:36:48Z)
• Representation Sharing for Fast Object Detector Search and Beyond [38.18583590914755]
  本研究では,1段検出器のサブネットワークにおける受容場と畳み込み型の最適構成について,Fast And Diverse (FAD) を提案する。 FADは、様々なバックボーンを持つ2種類の1段検出器において顕著な改善を実現している。
  論文  参考訳（メタデータ） (2020-07-23T15:39:44Z)
• NADS: Neural Architecture Distribution Search for Uncertainty Awareness [79.18710225716791]
  機械学習(ML)システムは、トレーニングデータとは異なるディストリビューションから来るテストデータを扱う場合、しばしばOoD(Out-of-Distribution)エラーに遭遇する。 既存のOoD検出アプローチはエラーを起こしやすく、時にはOoDサンプルに高い確率を割り当てることもある。 本稿では,すべての不確実性を考慮したアーキテクチャの共通構築ブロックを特定するために,ニューラルアーキテクチャ分布探索(NADS)を提案する。
  論文  参考訳（メタデータ） (2020-06-11T17:39:07Z)

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。