Fugu-MT 論文翻訳(概要): Anchor-Intermediate Detector: Decoupling and Coupling Bounding Boxes for Accurate Object Detection

論文の概要: Anchor-Intermediate Detector: Decoupling and Coupling Bounding Boxes for Accurate Object Detection

arxiv url: http://arxiv.org/abs/2310.05666v1
Date: Mon, 9 Oct 2023 12:35:05 GMT
ステータス: 処理完了
システム内更新日: 2023-10-12 05:13:16.537123
Title: Anchor-Intermediate Detector: Decoupling and Coupling Bounding Boxes for Accurate Object Detection
Title（参考訳）: アンカー中間検出器:正確な物体検出のための分離結合箱
Authors: Yilong Lv, Min Li, Yujie He, Shaopeng Li, Zhuzhen He, Aitao Yang
Abstract要約: 本稿では,この推論におけるtextbfBox Deouple-Couple(BDC)戦略を提案する。各コーナーのスコアに従って、最も正確なコーナーペアを選択するためにコーナーポイントをペアリングする。コーナー認識ヘッドは、各バウンディングボックスのコーナーをスコアし、コーナーポイント間のカップリングを容易にする。
参考スコア（独自算出の注目度）: 7.216931644655777
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Anchor-based detectors have been continuously developed for object detection. However, the individual anchor box makes it difficult to predict the boundary's offset accurately. Instead of taking each bounding box as a closed individual, we consider using multiple boxes together to get prediction boxes. To this end, this paper proposes the \textbf{Box Decouple-Couple(BDC) strategy} in the inference, which no longer discards the overlapping boxes, but decouples the corner points of these boxes. Then, according to each corner's score, we couple the corner points to select the most accurate corner pairs. To meet the BDC strategy, a simple but novel model is designed named the \textbf{Anchor-Intermediate Detector(AID)}, which contains two head networks, i.e., an anchor-based head and an anchor-free \textbf{Corner-aware head}. The corner-aware head is able to score the corners of each bounding box to facilitate the coupling between corner points. Extensive experiments on MS COCO show that the proposed anchor-intermediate detector respectively outperforms their baseline RetinaNet and GFL method by $\sim$2.4 and $\sim$1.2 AP on the MS COCO test-dev dataset without any bells and whistles. Code is available at: https://github.com/YilongLv/AID.
Abstract（参考訳）: オブジェクト検出のためにアンカーベースの検出器が継続的に開発されている。しかし、個々のアンカーボックスは境界のオフセットを正確に予測することが困難である。各バウンディングボックスを閉じた個人として扱う代わりに、複数のボックスを一緒に使って予測ボックスを取得することを検討する。そこで本稿では, 重なり合う箱を捨てるのではなく, 箱のコーナーポイントを分離する, 推論における \textbf{box decouple-couple(bdc) strategy} を提案する。そして各コーナーのスコアに従って、最も正確なコーナーペアを選択するためにコーナーポイントをペア化する。 BDC戦略を満たすために、単純だが斬新なモデルとして、アンカーベースヘッドとアンカーフリーな \textbf{Corner-aware head の2つのヘッドネットワークを含む \textbf{Anchor-Intermediate Detector (AID)} が設計された。コーナー認識ヘッドは、各バウンディングボックスのコーナーを獲得し、コーナーポイント間の結合を容易にすることができる。 MS COCOの大規模な実験により、提案されたアンカー中間検出器は、それぞれ基準となるRetinaNet法とGFL法を$\sim$2.4と$\sim$1.2 APで、ベルやホイッスルを使わずにMS COCOテストデブデータセットで上回ることを示した。コードはhttps://github.com/yilonglv/aid。

関連論文リスト

Corner2Net: Detecting Objects as Cascade Corners [25.478007408540513]
コーナーベースの検出パラダイムは、高品質なボックスを作成する可能性を享受する。ヒューリスティックコーナーマッチングアルゴリズムは間違ったボックスにつながる可能性がある。我々はCorner2Netという新しいコーナーベースのフレームワークを構築した。
論文参考訳（メタデータ） (2024-11-24T10:04:36Z)
Point2RBox: Combine Knowledge from Synthetic Visual Patterns for End-to-end Oriented Object Detection with Single Point Supervision [81.60564776995682]
我々は、ポイント教師付きオブジェクト検出のためのエンドツーエンドソリューションであるPoint2RBoxを提案する。提案手法は軽量なパラダイムを用いているが,点教師付き代替品間での競合性能を実現する。特に,本手法は軽量なパラダイムを用いるが,点教師付き代替品間での競合性能を実現する。
論文参考訳（メタデータ） (2023-11-23T15:57:41Z)
Box-DETR: Understanding and Boxing Conditional Spatial Queries [32.28512034705838]
近年,コンバージェンスを高速化するために,条件付き空間クエリーをDetection TRansformer (DETR) に導入している。 DAB-DETRでは、これらのクエリは、デコーダの各段階でいわゆる条件線形射影によって変調される。ボックスを頭固有のエージェントポイントにコンデンスするためのBox Agentを提案する。
論文参考訳（メタデータ） (2023-07-17T09:45:19Z)
H2RBox: Horizonal Box Annotation is All You Need for Oriented Object Detection [63.66553556240689]
オブジェクト指向物体検出は、空中画像から自律運転に至るまで、多くの用途に現れる。多くの既存の検出ベンチマークには水平バウンディングボックスがアノテートされているが、これはきめ細かな回転ボックスよりもコストが低い。本稿では,H2RBoxと呼ばれる単純なオブジェクト指向検出手法を提案する。
論文参考訳（メタデータ） (2022-10-13T05:12:45Z)
CenterNet++ for Object Detection [174.59360147041673]
ボトムアップアプローチはトップダウンと同じくらい競争力があり、リコールも高くなります。 CenterNetと呼ばれる我々のアプローチは、各オブジェクトを三重項キーポイント(左上と右下)として検出する。 MS-COCOデータセットでは、Res2Net-101 と Swin-Transformer の CenterNet がそれぞれ 53.7% と 57.1% のAPを達成している。
論文参考訳（メタデータ） (2022-04-18T16:45:53Z)
From Voxel to Point: IoU-guided 3D Object Detection for Point Cloud with Voxel-to-Point Decoder [79.39041453836793]
We present an Intersection-over-Union (IoU) guided two-stage 3D object detector with a voxel-to-point decoder。本稿では,Voxel based Region Proposal Network (RPN) からマップビュー機能に加えて,点特徴を抽出する残余のvoxel-to-pointデコーダを提案する。そこで本研究では,推定したIoUと改良された提案ボックスをより関連性の高いローカライゼーション信頼度として整列する,簡便で効率的な手法を提案する。
論文参考訳（メタデータ） (2021-08-08T14:30:13Z)
Dive Deeper Into Box for Object Detection [49.923586776690115]
そこで我々は,より正確な位置決めを行うために,ボックスに深く潜り込むことができるボックス再構成手法(DDBNet)を提案する。実験結果から,本手法はオブジェクト検出の最先端性能に寄与する可能性が示唆された。
論文参考訳（メタデータ） (2020-07-15T07:49:05Z)
CenterNet3D: An Anchor Free Object Detector for Point Cloud [14.506796247331584]
本研究では,アンカーフリーのCenterNet3Dネットワークを提案し,アンカーなしで3次元物体検出を行う。中心点に基づいて,アンカー不要な3次元物体検出を行うCenterNet3Dネットワークを提案する。提案手法は,最先端のアンカーベースの一段法よりも優れ,二段法に匹敵する性能を有する。
論文参考訳（メタデータ） (2020-07-13T13:53:56Z)
FCOS: A simple and strong anchor-free object detector [111.87691210818194]
物体検出を画素ごとの予測方式で解くために, 完全畳み込み型一段物検出器 (FCOS) を提案する。 RetinaNet、SSD、YOLOv3、Faster R-CNNといった最先端のオブジェクト検出器のほとんどは、事前に定義されたアンカーボックスに依存している。対照的に、提案した検出器FCOSはアンカーボックスフリーであり、提案はフリーである。
論文参考訳（メタデータ） (2020-06-14T01:03:39Z)
CentripetalNet: Pursuing High-quality Keypoint Pairs for Object Detection [20.86058667479973]
本稿では,CentripetalNetを提案する。このCentripetalNetは,Centripetalシフトを用いて,同じインスタンスからコーナーキーポイントをペアリングする。 CentripetalNetは、コーナーポイントの位置と中心シフトを予測し、シフトした結果が一致したコーナーにマッチする。 MS-COCOテストデブでは、CentripetalNetは既存のアンカーフリー検出器を48.0%のAPで上回るだけでなく、40.2%のMaskAPで最先端のインスタンスセグメンテーションアプローチと同等のパフォーマンスを達成する。
論文参考訳（メタデータ） (2020-03-20T06:23:32Z)

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。