論文の概要: RotaTR: Detection Transformer for Dense and Rotated Object

• arxiv url: http://arxiv.org/abs/2312.02821v1
• Date: Tue, 5 Dec 2023 15:06:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-06 15:20:58.279965
• Title: RotaTR: Detection Transformer for Dense and Rotated Object
• Title（参考訳）: rotatr: 高密度回転物体の検出トランス
• Authors: Zhu Yuke, Ruan Yumeng, Yang Lei, Guo Sheng
• Abstract要約: 指向性検出へのDETRの拡張として,回転物体検出TRansformer(RotaTR)を提案する。 具体的には、DTRの指向目標検出能力を高めるために、回転感度変形(RSDeform)アテンションを設計する。 RotaTRは、元のDETRと比較して密度と向きの強い物体を検出するのに大きな利点を示している。
• 参考スコア（独自算出の注目度）: 0.49764328892172144
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting the objects in dense and rotated scenes is a challenging task. Recent works on this topic are mostly based on Faster RCNN or Retinanet. As they are highly dependent on the pre-set dense anchors and the NMS operation, the approach is indirect and suboptimal.The end-to-end DETR-based detectors have achieved great success in horizontal object detection and many other areas like segmentation, tracking, action recognition and etc.However, the DETR-based detectors perform poorly on dense rotated target tasks and perform worse than most modern CNN-based detectors. In this paper, we find the most significant reason for the poor performance is that the original attention can not accurately focus on the oriented targets. Accordingly, we propose Rotated object detection TRansformer (RotaTR) as an extension of DETR to oriented detection. Specifically, we design Rotation Sensitive deformable (RSDeform) attention to enhance the DETR's ability to detect oriented targets. It is used to build the feature alignment module and rotation-sensitive decoder for our model. We test RotaTR on four challenging-oriented benchmarks. It shows a great advantage in detecting dense and oriented objects compared to the original DETR. It also achieves competitive results when compared to the state-of-the-art.
• Abstract（参考訳）: 高密度で回転したシーンで物体を検出するのは難しい作業です。 このトピックに関する最近の研究は主に、より高速なRCNNまたはRetinanetに基づいている。 detrベースの検出器は、水平方向の物体検出や、セグメンテーション、トラッキング、アクション認識などの多くの領域で大きな成功を収めているが、detrベースの検出器は、高密度に回転したターゲットのタスクにあまり依存せず、現代のcnnベースの検出器よりも悪い。 本稿では,性能低下の最も大きな原因は,元々の注目が方向性の目標に正確に焦点を合わせることができないことにある。 そこで本研究では,オブジェクト指向検出へのDETRの拡張として,回転物体検出TRansformer(RotaTR)を提案する。 具体的には,detrの指向目標検出能力を高めるために,回転感度変形可能(rsdeform)注意を設計する。 モデルのための特徴アライメントモジュールと回転感度デコーダを構築するために使用される。 課題指向の4つのベンチマークでRotaTRをテストする。 これは、元のDETRと比較して密度と指向性のある物体を検出できる大きな利点を示している。 また、最先端技術と比較すると、競争結果が得られる。

関連論文リスト

• Investigating the Robustness and Properties of Detection Transformers (DETR) Toward Difficult Images [1.5727605363545245]
  トランスフォーマーベースのオブジェクト検出器(DETR)は、マシンビジョンタスク間で大きな性能を示している。 対処すべき重要な問題は、このモデルアーキテクチャがどのように異なるイメージニュアンスを扱うことができるかである。 本研究では,DeTRの性能を異なる実験で測定し,ネットワークのベンチマークを行った。
  論文  参考訳（メタデータ） (2023-10-12T23:38:52Z)
• Object Detection with Transformers: A Review [11.255962936937744]
  本報告では, 従来のDETRモデルにおいて提案された21の進歩について概説する。 我々は、様々な検出変換器の比較分析を行い、その性能とネットワークアーキテクチャを評価した。 この研究は、既存の課題に対処し、オブジェクト検出領域におけるトランスフォーマーの適用を探求する研究者の間で、さらなる関心を喚起することを期待している。
  論文  参考訳（メタデータ） (2023-06-07T16:13:38Z)
• Adaptive Rotated Convolution for Rotated Object Detection [96.94590550217718]
  本稿では、回転物体検出問題に対処するために、適応回転変換(ARC)モジュールを提案する。 ARCモジュールでは、コンボリューションカーネルが適応的に回転し、異なる画像に異なる向きのオブジェクト特徴を抽出する。 提案手法は,81.77%mAPのDOTAデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-03-14T11:53:12Z)
• Point RCNN: An Angle-Free Framework for Rotated Object Detection [13.209895262511015]
  空中画像における回転物体検出は、任意方向、大規模かつアスペクト比のばらつき、オブジェクトの極端な密度のため、依然として困難である。 本稿では、主に PointRPN と PointReg から構成される Point RCNN と呼ばれる、回転物体検出のための純粋に角度のないフレームワークを提案する。 我々のPoint RCNNは、一般的に使用される航空データセット上で、最先端の検知性能を実現することを実証した。
  論文  参考訳（メタデータ） (2022-05-28T04:07:37Z)
• Recurrent Glimpse-based Decoder for Detection with Transformer [85.64521612986456]
  本稿では,Recurrent Glimpse-based deoder (REGO)について紹介する。 特に、REGOは多段階のリカレント処理構造を用いて、DETRの注目が徐々に前景オブジェクトに焦点を合わせるのを助ける。 REGOは、異なるDETR検出器の性能を最大7%向上させる。
  論文  参考訳（メタデータ） (2021-12-09T00:29:19Z)
• Anchor-free Oriented Proposal Generator for Object Detection [59.54125119453818]
  オブジェクト指向物体検出はリモートセンシング画像解釈において実用的で困難な課題である。 今日では、指向性検出器は主に水平方向の箱を中間体として使用し、それらから指向性のある箱を導出している。 本稿では,ネットワークアーキテクチャから水平ボックス関連操作を放棄する,AOPG(Anchor-free Oriented Proposal Generator)を提案する。
  論文  参考訳（メタデータ） (2021-10-05T10:45:51Z)
• RSDet++: Point-based Modulated Loss for More Accurate Rotated Object Detection [53.57176614020894]
  我々は、回転感度誤差(RSE)として、5パラメータと8パラメータの回転物体検出法の両方における損失の不連続性を分類する。 問題を軽減するために新しい変調された回転損失を導入し、回転感度検出ネットワーク(RSDet)を提案する。 10ピクセル未満のオブジェクトに対する本手法の精度をさらに向上するため,新しいRSDet++を提案する。
  論文  参考訳（メタデータ） (2021-09-24T11:57:53Z)
• Oriented Object Detection with Transformer [51.634913687632604]
  我々は,エンドツーエンドネットワークに基づくTRansformer(bf O2DETR$)によるオブジェクト指向オブジェクト検出を実装した。 注意機構を奥行き分離可能な畳み込みに置き換えることで,トランスフォーマーの簡易かつ高効率なエンコーダを設計する。 私たちの$rm O2DETR$は、オブジェクト指向オブジェクト検出の分野における別の新しいベンチマークになり、より高速なR-CNNとRetinaNetに対して最大3.85mAPの改善が達成されます。
  論文  参考訳（メタデータ） (2021-06-06T14:57:17Z)
• OSKDet: Towards Orientation-sensitive Keypoint Localization for Rotated Object Detection [0.0]
  オリエンテーション感度キーポイントに基づく回転検出器OSKDetを提案する。 ターゲットを特徴付けるキーポイントのセットを採用し、roi上のキーポイントヒートマップを予測して回転したターゲットを形成する。 DOTAは77.81%、HRSC2016は89.91%、UCAS-AODは97.18%である。
  論文  参考訳（メタデータ） (2021-04-18T03:40:52Z)
• End-to-End Object Detection with Transformers [88.06357745922716]
  本稿では,オブジェクト検出を直接セット予測問題とみなす新しい手法を提案する。 我々のアプローチは検出パイプラインを合理化し、手作業で設計された多くのコンポーネントの必要性を効果的に除去する。 この新しいフレームワークの主な構成要素は、Detection TRansformerまたはDETRと呼ばれ、セットベースのグローバルな損失である。
  論文  参考訳（メタデータ） (2020-05-26T17:06:38Z)

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。