Fugu-MT 論文翻訳(概要): P2RBox: A Single Point is All You Need for Oriented Object Detection

論文の概要: P2RBox: A Single Point is All You Need for Oriented Object Detection

arxiv url: http://arxiv.org/abs/2311.13128v1
Date: Wed, 22 Nov 2023 03:33:00 GMT
ステータス: 処理完了
システム内更新日: 2023-11-23 16:19:59.007049
Title: P2RBox: A Single Point is All You Need for Oriented Object Detection
Title（参考訳）: P2RBox: オブジェクト指向オブジェクト検出に必要なポイントは1つ
Authors: Guangming Cao, Xuehui Yu, Wenwen Yu, Xumeng Han, Xue Yang, Guorong Li, Jianbin Jiao, Zhenjun Han
Abstract要約: 我々はP2RBoxネットワークを導入し、ポイントアノテーションとマスクジェネレータを利用してマスクの提案を作成する。高品質のマスクは、完全に監視された検出器を訓練するために回転したボックスアノテーションに変換される。 P2RBoxは、RetinaNet、Rotated FCOS、Oriented R-CNNという、完全に制御された3つのオブジェクト検出器とうまく機能する。
参考スコア（独自算出の注目度）: 30.216854353102608
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Oriented object detection, a specialized subfield in computer vision, finds applications across diverse scenarios, excelling particularly when dealing with objects of arbitrary orientations. Conversely, point annotation, which treats objects as single points, offers a cost-effective alternative to rotated and horizontal bounding boxes but sacrifices performance due to the loss of size and orientation information. In this study, we introduce the P2RBox network, which leverages point annotations and a mask generator to create mask proposals, followed by filtration through our Inspector Module and Constrainer Module. This process selects high-quality masks, which are subsequently converted into rotated box annotations for training a fully supervised detector. Specifically, we've thoughtfully crafted an Inspector Module rooted in multi-instance learning principles to evaluate the semantic score of masks. We've also proposed a more robust mask quality assessment in conjunction with the Constrainer Module. Furthermore, we've introduced a Symmetry Axis Estimation (SAE) Module inspired by the spectral theorem for symmetric matrices to transform the top-performing mask proposal into rotated bounding boxes. P2RBox performs well with three fully supervised rotated object detectors: RetinaNet, Rotated FCOS, and Oriented R-CNN. By combining with Oriented R-CNN, P2RBox achieves 62.26% on DOTA-v1.0 test dataset. As far as we know, this is the first attempt at training an oriented object detector with point supervision.
Abstract（参考訳）: オブジェクト指向物体検出(Oriented Object Detection)は、コンピュータビジョンの特殊なサブフィールドであり、様々なシナリオにまたがるアプリケーションを見つけ出す。逆に、オブジェクトを単一ポイントとして扱うポイントアノテーションは、回転と水平のバウンディングボックスに代わるコスト効率のよい代替手段を提供するが、サイズや方向情報の喪失によりパフォーマンスを犠牲にする。本研究では,点アノテーションとマスク生成器を用いてマスク提案を作成し,インスペクタモジュールと制約モジュールを通したフィルタリングを行うp2rboxネットワークを提案する。このプロセスは高品質のマスクを選択し、その後完全に監督された検出器を訓練するために回転箱アノテーションに変換される。具体的には、マスクの意味スコアを評価するために、マルチインスタンス学習原則に根ざしたインスペクタモジュールを慎重に作成しました。また、Constrainer Moduleとともに、より堅牢なマスク品質評価も提案しました。さらに、対称行列のスペクトル定理にインスパイアされた対称性軸推定(SAE)モジュールを導入し、トップパフォーマンスマスクの提案を回転バウンディングボックスに変換する。 P2RBoxは、RetinaNet、Rotated FCOS、Oriented R-CNNという、完全に制御された3つのオブジェクト検出器とうまく機能する。 Oriented R-CNNと組み合わせることで、P2RBoxはDOTA-v1.0テストデータセットで62.26%を達成した。我々の知る限り、これは指向した物体検出器を点監視で訓練する最初の試みである。

関連論文リスト

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)
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)
Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
論文参考訳（メタデータ） (2022-09-22T07:50:48Z)
Point-to-Box Network for Accurate Object Detection via Single Point Supervision [51.95993495703855]
オフ・ザ・シェルフ提案法(OTSP)の軽量な代替手法を提案する。 P2BNetは、アンカーのような方法で提案を生成することで、オブジェクト間のバランスの取れた提案バッグを構築することができる。コードはCOCO.com/ucas-vg/P2BNetでリリースされる。
論文参考訳（メタデータ） (2022-07-14T11:32:00Z)
SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object Detection [78.90102636266276]
SASA(Semantics-Augmented Set Abstraction)と呼ばれる新しい集合抽象化手法を提案する。そこで本研究では, 推定点前景スコアに基づいて, より重要な前景点の維持を支援するセマンティックス誘導点サンプリングアルゴリズムを提案する。実際には、SASAは、前景オブジェクトに関連する貴重な点を識別し、ポイントベースの3D検出のための特徴学習を改善するのに有効である。
論文参考訳（メタデータ） (2022-01-06T08:54:47Z)
Oriented RepPoints for Aerial Object Detection [10.818838437018682]
本稿では,オブジェクト指向RepPointsという,空中物体検出のための新しい手法を提案する。具体的には、任意指向オブジェクトの幾何学的および空間的情報を取得するために、適応点の集合を用いることを提案する。教師付き学習を容易にするために,適応点を配向境界ボックスに明示的にマッピングする指向変換関数を提案する。
論文参考訳（メタデータ） (2021-05-24T06:18:23Z)
SIENet: Spatial Information Enhancement Network for 3D Object Detection from Point Cloud [20.84329063509459]
LiDARベースの3Dオブジェクト検出は、自動運転車に大きな影響を与える。 LiDARの固有特性の制限により、センサーから遠く離れた物体において、より少ない点が収集される。そこで本研究では,SIENetという2段階の3次元物体検出フレームワークを提案する。
論文参考訳（メタデータ） (2021-03-29T07:45:09Z)
Cross-Modality 3D Object Detection [63.29935886648709]
本稿では,3次元物体検出のための新しい2段階多モード融合ネットワークを提案する。アーキテクチャ全体が2段階の融合を促進する。 KITTIデータセットを用いた実験により,提案したマルチステージ融合により,ネットワークがより良い表現を学習できることが示唆された。
論文参考訳（メタデータ） (2020-08-16T11:01:20Z)

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。