論文の概要: Local Adaptive Clustering Based Image Matching for Automatic Visual
Identification
- arxiv url: http://arxiv.org/abs/2401.01720v1
- Date: Wed, 3 Jan 2024 12:54:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-04 14:26:22.505136
- Title: Local Adaptive Clustering Based Image Matching for Automatic Visual
Identification
- Title（参考訳）: 局所適応クラスタリングに基づく自動視覚識別のための画像マッチング
- Authors: Zhizhen Wang
- Abstract要約: 本稿では,リアルタイム自動機器ラベル付けを実装した視覚支援型識別システムを提案する。
システムはORBアルゴリズムをデプロイし、画像の特徴を抽出し、GMSアルゴリズムで不正確なマッチング点を除去する。
- 参考スコア（独自算出の注目度）: 0.2900810893770134
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Monitoring cameras are extensively utilized in industrial production to
monitor equipment running. With advancements in computer vision, device
recognition using image features is viable. This paper presents a
vision-assisted identification system that implements real-time automatic
equipment labeling through image matching in surveillance videos. The system
deploys the ORB algorithm to extract image features and the GMS algorithm to
remove incorrect matching points. According to the principles of clustering and
template locality, a method known as Local Adaptive Clustering (LAC) has been
established to enhance label positioning. This method segments matching
templates using the cluster center, which improves the efficiency and stability
of labels. The experimental results demonstrate that LAC effectively curtails
the label drift.
- Abstract（参考訳）: 監視カメラは工業生産において、機器の監視に広く利用されている。
コンピュータビジョンの進歩により、画像特徴を用いたデバイス認識が実現可能である。
本稿では,監視映像における画像マッチングによるリアルタイム自動機器ラベリングを実現する視覚支援識別システムを提案する。
システムはORBアルゴリズムをデプロイし、画像の特徴を抽出し、GMSアルゴリズムで不正確なマッチング点を除去する。
クラスタリングとテンプレートローカリティの原則に従って、ラベル位置決めを強化するために、ローカル適応クラスタリング(lac)と呼ばれる方法が確立されている。
この方法は、クラスタセンターを使用してテンプレートをセグメント化し、ラベルの効率性と安定性を向上させる。
実験の結果,LACはラベルドリフトを効果的に縮めることが示された。
関連論文リスト
- Pseudo-label Refinement for Improving Self-Supervised Learning Systems [22.276126184466207]
自己教師付き学習システムは、人間のアノテーションを必要とせずに、クラスタリングベースの擬似ラベルを使用して監督する。
クラスタリング手法によって生じるこれらの擬似ラベルのノイズは、学習プロセスに難題となり、性能が劣化する。
本稿では,この問題に対処する擬似ラベル改良アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-18T07:47:59Z) - Pseudo Labels Refinement with Intra-camera Similarity for Unsupervised
Person Re-identification [8.779246907359706]
監視されていない人物の再識別(Re-ID)は、識別ラベルなしでカメラを介して人物画像を取得することを目的としている。
クラスタリングに基づくほとんどの手法は、画像の特徴を大まかにクラスタに分割し、異なるカメラ間のドメインシフトに起因する特徴分布ノイズを無視する。
本稿では,カメラ内類似点をクラスタリングする新しいラベルリファインメントフレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-25T08:04:12Z) - Unified Mask Embedding and Correspondence Learning for Self-Supervised
Video Segmentation [76.40565872257709]
我々は、局所的な識別的特徴学習のためのフレーム間密度対応を同時にモデル化する統合フレームワークを開発する。
ラベルなしビデオから直接マスク誘導シーケンシャルセグメンテーションを実行することができる。
我々のアルゴリズムは、2つの標準ベンチマーク(DAVIS17とYouTube-VOS)に最先端をセットする。
論文 参考訳（メタデータ） (2023-03-17T16:23:36Z) - Image as Set of Points [60.30495338399321]
コンテキストクラスタ(CoC)は、イメージを非組織的なポイントの集合と見なし、単純化されたクラスタリングアルゴリズムによって特徴を抽出する。
われわれのCoCは畳み込みと無注意で、空間的相互作用のためのクラスタリングアルゴリズムにのみ依存している。
論文 参考訳（メタデータ） (2023-03-02T18:56:39Z) - Location-Aware Self-Supervised Transformers [74.76585889813207]
画像部品の相対的な位置を予測し,セマンティックセグメンテーションのためのネットワークを事前訓練する。
参照パッチのサブセットを問合せのサブセットにマスキングすることで,タスクの難しさを制御します。
実験により,この位置認識事前学習が,いくつかの難解なセマンティックセグメンテーションベンチマークに競合する表現をもたらすことが示された。
論文 参考訳（メタデータ） (2022-12-05T16:24:29Z) - Camera Alignment and Weighted Contrastive Learning for Domain Adaptation
in Video Person ReID [17.90248359024435]
人物再識別システム(ReID)は、大規模な完全ラベル画像データセットでトレーニングした場合、高い精度を達成することができる。
様々な運用状況(例えば、カメラの視点や照明など)に関連したドメインシフトは、パフォーマンスの大幅な低下に繋がる可能性がある。
本稿では、ビデオベースのReIDのための教師なしドメイン適応(UDA)に焦点を当てる。
論文 参考訳（メタデータ） (2022-11-07T15:32:56Z) - Embedding contrastive unsupervised features to cluster in- and
out-of-distribution noise in corrupted image datasets [18.19216557948184]
Web画像検索に検索エンジンを使用することは、イメージデータセットを作成する際の手作業によるキュレーションに代わる誘惑的な手段である。
主な欠点は、回収された間違った(ノイズの多い)サンプルの割合である。
本稿では,教師なしのコントラスト特徴学習を用いた検出ステップから始める2段階のアルゴリズムを提案する。
比較学習のアライメントと均一性原理により,OODサンプルは単位超球面上のIDサンプルから線形に分離できることがわかった。
論文 参考訳（メタデータ） (2022-07-04T16:51:56Z) - Plug-and-Play Pseudo Label Correction Network for Unsupervised Person
Re-identification [36.3733132520186]
グラフベースの擬似ラベル補正ネットワーク(GLC)を提案する。
GLC は k 近傍グラフ上のサンプル間の関係制約を用いて初期雑音ラベルを補正する。
本手法は,様々なクラスタリング手法と互換性があり,最新技術の性能を継続的に向上させる。
論文 参考訳（メタデータ） (2022-06-14T05:59:37Z) - LEAD: Self-Supervised Landmark Estimation by Aligning Distributions of
Feature Similarity [49.84167231111667]
自己監督型ランドマーク検出における既存の研究は、画像から高密度(ピクセルレベルの)特徴表現を学習することに基づいている。
自己教師付き方式で高密度同変表現の学習を強化するアプローチを提案する。
機能抽出器にそのような先行性があることは,アノテーションの数が大幅に制限されている場合でも,ランドマーク検出に役立ちます。
論文 参考訳（メタデータ） (2022-04-06T17:48:18Z) - Group-aware Label Transfer for Domain Adaptive Person Re-identification [179.816105255584]
Unsupervised Adaptive Domain (UDA) Person Re-identification (ReID) は、ラベル付きソースドメインデータセットで訓練されたモデルを、さらなるアノテーションなしでターゲットドメインデータセットに適応することを目的としている。
最も成功したUDA-ReIDアプローチは、クラスタリングに基づく擬似ラベル予測と表現学習を組み合わせて、2つのステップを交互に実行する。
疑似ラベル予測と表現学習のオンラインインタラクションと相互促進を可能にするグループ認識ラベル転送(GLT)アルゴリズムを提案します。
論文 参考訳（メタデータ） (2021-03-23T07:57:39Z) - Joint Visual and Temporal Consistency for Unsupervised Domain Adaptive
Person Re-Identification [64.37745443119942]
本稿では,局所的なワンホット分類とグローバルなマルチクラス分類を組み合わせることで,視覚的・時間的整合性を両立させる。
3つの大規模ReIDデータセットの実験結果は、教師なしと教師なしの両方のドメイン適応型ReIDタスクにおいて提案手法の優位性を示す。
論文 参考訳（メタデータ） (2020-07-21T14:31:27Z)
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。