Fugu-MT 論文翻訳(概要): The Importance of Anti-Aliasing in Tiny Object Detection

論文の概要: The Importance of Anti-Aliasing in Tiny Object Detection

arxiv url: http://arxiv.org/abs/2310.14221v1
Date: Sun, 22 Oct 2023 08:02:01 GMT
ステータス: 処理完了
システム内更新日: 2023-10-25 01:03:25.574253
Title: The Importance of Anti-Aliasing in Tiny Object Detection
Title（参考訳）: 微小物体検出におけるアンチエイリアシングの重要性
Authors: Jinlai Ning and Michael Spratling
Abstract要約: 本稿では,小さな物体検出に対するアンチエイリアスのための既存のWaveCNetを適用した。 We modified the original WaveCNet to apply Wavelet Pooling layer, effectively suppressing aliasing。また,背骨の底面重みのあるバージョンを提案し,小型物体検出の性能をさらに向上させる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Tiny object detection has gained considerable attention in the research community owing to the frequent occurrence of tiny objects in numerous critical real-world scenarios. However, convolutional neural networks (CNNs) used as the backbone for object detection architectures typically neglect Nyquist's sampling theorem during down-sampling operations, resulting in aliasing and degraded performance. This is likely to be a particular issue for tiny objects that occupy very few pixels and therefore have high spatial frequency features. This paper applied an existing approach WaveCNet for anti-aliasing to tiny object detection. WaveCNet addresses aliasing by replacing standard down-sampling processes in CNNs with Wavelet Pooling (WaveletPool) layers, effectively suppressing aliasing. We modify the original WaveCNet to apply WaveletPool in a consistent way in both pathways of the residual blocks in ResNets. Additionally, we also propose a bottom-heavy version of the backbone, which further improves the performance of tiny object detection while also reducing the required number of parameters by almost half. Experimental results on the TinyPerson, WiderFace, and DOTA datasets demonstrate the importance of anti-aliasing in tiny object detection and the effectiveness of the proposed method which achieves new state-of-the-art results on all three datasets. Codes and experiment results are released at https://github.com/freshn/Anti-aliasing-Tiny-Object-Detection.git.
Abstract（参考訳）: 小さな物体検出は、多くの重要な現実世界のシナリオで小さな物体が頻繁に出現するため、研究コミュニティでかなりの注目を集めている。しかし、オブジェクト検出アーキテクチャのバックボーンとして使用される畳み込みニューラルネットワーク(CNN)は、通常、ダウンサンプリング操作中にナイキストのサンプリング定理を無視し、エイリアス化と性能低下をもたらす。これは、非常に少ないピクセルを占有し、高い空間周波数特性を持つ小さなオブジェクトにとって、特に問題となる可能性が高い。本稿では,小さな物体検出に対するアンチエイリアスに既存のWaveCNetを適用した。 WaveCNetは、CNNの標準的なダウンサンプリングプロセスをWavelet Pooling(WaveletPool)レイヤに置き換え、エイリアスを効果的に抑制することでエイリアスに対処する。元のWaveCNetを変更してWaveletPoolをResNetの残りのブロックの経路で一貫した方法で適用します。また,バックボーンの底面重みのあるバージョンも提案し,小型物体検出の性能を向上するとともに,必要なパラメータをほぼ半分に減らした。 tinyperson、wideface、dotaデータセットの実験結果は、小さなオブジェクト検出におけるアンチエイリアスの重要性と、3つのデータセットすべてで新たな最先端結果を達成するための提案手法の有効性を示している。コードと実験結果はhttps://github.com/freshn/Anti-aliasing-Tiny-Object-Detection.gitで公開されている。

関連論文リスト

ESOD: Efficient Small Object Detection on High-Resolution Images [36.80623357577051]
小さなオブジェクトは通常、わずかに分散され、局所的にクラスタ化される。画像の非対象背景領域において、大量の特徴抽出計算を無駄にする。本稿では,検出器のバックボーンを再利用して,特徴レベルのオブジェクト探索とパッチスライシングを行う方法を提案する。
論文参考訳（メタデータ） (2024-07-23T12:21:23Z)
Visible and Clear: Finding Tiny Objects in Difference Map [50.54061010335082]
本稿では,検出モデルに自己再構成機構を導入し,それと微小物体との強い相関関係を明らかにする。具体的には、再構成画像と入力の差分マップを構築して、検出器の首の内側に再構成ヘッドを配置し、小さな物体に対して高い感度を示す。さらに、小さな特徴表現をより明確にするために、差分マップガイド機能拡張(DGFE)モジュールを開発する。
論文参考訳（メタデータ） (2024-05-18T12:22:26Z)
Improving the Detection of Small Oriented Objects in Aerial Images [0.0]
本研究では,オブジェクト指向物体検出モデルの分類・回帰タスクを強化することにより,空中画像中の小型物体を高精度に検出する手法を提案する。ガイド・アテンション・ロス(GALoss)とボックス・ポイント・ロス(BPLoss)の2つの損失からなるアテンション・ポイント・ネットワークを設計した。実験結果から,小型オブジェクトインスタンスを用いた標準指向型空中データセットにおける注意点ネットワークの有効性が示された。
論文参考訳（メタデータ） (2024-01-12T11:00:07Z)
Rethinking Voxelization and Classification for 3D Object Detection [68.8204255655161]
LiDARポイントクラウドからの3Dオブジェクト検出の主な課題は、ネットワークの信頼性に影響を与えることなく、リアルタイムのパフォーマンスを実現することである。本稿では,高速な動的ボキセラライザを実装することにより,ネットワークの推論速度と精度を同時に向上するソリューションを提案する。さらに,予測対象を分類し,偽検出対象をフィルタリングする軽量検出サブヘッドモデルを提案する。
論文参考訳（メタデータ） (2023-01-10T16:22:04Z)
SALISA: Saliency-based Input Sampling for Efficient Video Object Detection [58.22508131162269]
ビデオオブジェクト検出のための新しい一様SALiencyベースの入力SAmpling技術であるSALISAを提案する。 SALISAは小物体の検出を著しく改善することを示す。
論文参考訳（メタデータ） (2022-04-05T17:59:51Z)
High-resolution Iterative Feedback Network for Camouflaged Object Detection [128.893782016078]
カモフラージュされたオブジェクトを背景に視覚的に同化させることは、オブジェクト検出アルゴリズムにとって難しい。エッジやバウンダリのぼやけた視界を生じさせる細部劣化を避けるために,高分解能テクスチャの詳細を抽出することを目的としている。我々は,高解像度特徴量による低解像度表現を反復的フィードバック方式で洗練する新しいHitNetを提案する。
論文参考訳（メタデータ） (2022-03-22T11:20:21Z)
Multi-patch Feature Pyramid Network for Weakly Supervised Object Detection in Optical Remote Sensing Images [39.25541709228373]
マルチパッチ特徴ピラミッドネットワーク(MPFP-Net)を用いたオブジェクト検出のための新しいアーキテクチャを提案する。 MPFP-Netは、トレーニング中の最も差別的なパッチのみを追求する現在のモデルとは異なる。残余値の正則化と核融合遷移層を厳密にノルム保存する有効な方法を提案する。
論文参考訳（メタデータ） (2021-08-18T09:25:39Z)
You Better Look Twice: a new perspective for designing accurate detectors with reduced computations [56.34005280792013]
BLT-netは、新しい低計算の2段階オブジェクト検出アーキテクチャである。非常にエレガントな第1ステージを使用して、オブジェクトをバックグラウンドから分離することで、計算を削減します。結果のイメージ提案は、高度に正確なモデルによって第2段階で処理される。
論文参考訳（メタデータ） (2021-07-21T12:39:51Z)
TricubeNet: 2D Kernel-Based Object Representation for Weakly-Occluded Oriented Object Detection [24.44389034373491]
本稿では,アンカーフリーのワンステージディテクタである指向オブジェクト検出の新たなアプローチを提案する。このアプローチはTricubeNetと呼ばれ、各オブジェクトを2D Tricubeカーネルとして表現し、外見ベースの後処理を用いて境界ボックスを抽出する。
論文参考訳（メタデータ） (2021-04-23T06:50:28Z)
Underwater object detection using Invert Multi-Class Adaboost with deep learning [37.14538666012363]
小型物体検出のための新しいニューラルネットワークアーキテクチャであるSample-WeIghted hyPEr Network(SWIPENet)を提案する。提案するSWIPENet+IMAフレームワークは,複数の最先端オブジェクト検出手法に対して,検出精度の向上を実現する。
論文参考訳（メタデータ） (2020-05-23T15:30:38Z)
NETNet: Neighbor Erasing and Transferring Network for Better Single Shot Object Detection [170.30694322460045]
我々は、ピラミッドの特徴を再設定し、スケールアウェアな特徴を探索する新しいNeighbor Erasing and Transferring(NET)メカニズムを提案する。 NETNetと呼ばれるシングルショットネットワークは、スケールアウェアなオブジェクト検出のために構築されている。
論文参考訳（メタデータ） (2020-01-18T15:21:29Z)

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。