Fugu-MT 論文翻訳(概要): New Foggy Object Detecting Model

論文の概要: New Foggy Object Detecting Model

arxiv url: http://arxiv.org/abs/2401.15455v1
Date: Sat, 27 Jan 2024 16:29:53 GMT
ステータス: 処理完了
システム内更新日: 2024-01-30 18:13:29.058634
Title: New Foggy Object Detecting Model
Title（参考訳）: 新しい霧状物体検出モデル
Authors: Rahul Banavathu, Modem Veda Sree, Bollina Kavya Sri, Suddhasil De
Abstract要約: 本稿では,入力画像から領域を識別し,霧領域の物体を検出する2段階アーキテクチャによる新しい物体検出手法を提案する。提案手法の精度と検出時間について,既存の手法よりも顕著な改善を確認した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Object detection in reduced visibility has become a prominent research area. The existing techniques are not accurate enough in recognizing objects under such circumstances. This paper introduces a new foggy object detection method through a two-staged architecture of region identification from input images and detecting objects in such regions. The paper confirms notable improvements of the proposed method's accuracy and detection time over existing techniques.
Abstract（参考訳）: 視認性が低下する物体検出は、顕著な研究分野となっている。既存の技術はそのような状況下で物体を認識するのに十分ではない。本稿では,入力画像から領域を識別し,その領域内の物体を検出する2段階アーキテクチャによる新しい霧物体検出手法を提案する。本論文は,提案手法の既存手法に対する精度と検出時間の改善を確認した。

関連論文リスト

Enhancing Novel Object Detection via Cooperative Foundational Models [75.30243629533277]
本稿では,既存のクローズドセット検出器をオープンセット検出器に変換する新しい手法を提案する。私たちは、新しいクラスに対して7.2$ textAP_50 のマージンで現在の最先端を越えています。
論文参考訳（メタデータ） (2023-11-19T17:28:28Z)
CrossDF: Improving Cross-Domain Deepfake Detection with Deep Information Decomposition [53.860796916196634]
クロスデータセットディープフェイク検出(CrossDF)の性能を高めるためのディープ情報分解(DID)フレームワークを提案する。既存のディープフェイク検出方法とは異なり、我々のフレームワークは特定の視覚的アーティファクトよりも高いレベルのセマンティック特徴を優先する。顔の特徴をディープフェイク関連情報と無関係情報に適応的に分解し、本質的なディープフェイク関連情報のみを用いてリアルタイム・フェイク識別を行う。
論文参考訳（メタデータ） (2023-09-30T12:30:25Z)
A Coarse to Fine Framework for Object Detection in High Resolution Image [8.316322664637537]
オブジェクト検出の現在のアプローチでは、高解像度画像における小さなオブジェクトや大規模な分散問題を検出することはめったにない。本稿では,オブジェクト検出の精度を,特に小さなオブジェクトや大規模分散シーンに対して向上させる,シンプルで効率的なアプローチを提案する。提案手法は,高分解能画像における物体の空間と情報を有効利用することにより,より効率的に検出できる。
論文参考訳（メタデータ） (2023-03-02T13:04:33Z)
Oriented Object Detection in Optical Remote Sensing Images using Deep Learning: A Survey [10.665235711722076]
オブジェクト指向物体検出は、リモートセンシングにおいて最も基本的で困難なタスクの1つである。近年,ディープラーニング技術を用いたオブジェクト指向物体検出の進歩が目覚ましい。
論文参考訳（メタデータ） (2023-02-21T06:31:53Z)
Focus-and-Detect: A Small Object Detection Framework for Aerial Images [1.911678487931003]
我々はFocus-and-Detectと呼ばれる2段階のオブジェクト検出フレームワークを提案する。第1段階は、焦点領域を構成するオブジェクトのクラスタを生成する。第2段階は対象検出器ネットワークであり、焦点領域内の物体を予測する。提案した2段階のフレームワークは,VisDrone検証データセットのAPスコアが42.06であることを示す。
論文参考訳（メタデータ） (2022-03-24T10:43:56Z)
Reference-based Defect Detection Network [57.89399576743665]
最初の問題はテクスチャシフトであり、これはトレーニングされた欠陥検出モデルが目に見えないテクスチャの影響を受けやすいことを意味する。第2の問題は部分的な視覚的混乱であり、部分的な欠陥ボックスが完全なボックスと視覚的に類似していることを示している。本稿では,これら2つの問題に対処する参照型欠陥検出ネットワーク(RDDN)を提案する。
論文参考訳（メタデータ） (2021-08-10T05:44:23Z)
Detect and Locate: A Face Anti-Manipulation Approach with Semantic and Noise-level Supervision [67.73180660609844]
本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
論文参考訳（メタデータ） (2021-07-13T02:59:31Z)
Improved detection of small objects in road network sequences [0.0]
本稿では,畳み込みニューラルネットワークによる検出に基づく超解像プロセスを適用し,小型物体の検出手法を提案する。本研究は, 異なるスケールの要素を含むトラヒック画像の集合に対して, モデルにより得られた検出値に従って効率を試験するために試験された。
論文参考訳（メタデータ） (2021-05-18T10:13:23Z)
Ensembling object detectors for image and video data analysis [98.26061123111647]
本稿では,複数の物体検出器の出力をアンサンブルすることで,画像データ上の境界ボックスの検出性能と精度を向上させる手法を提案する。本研究では,2段階追跡に基づく検出精度向上手法を提案することで,映像データに拡張する。
論文参考訳（メタデータ） (2021-02-09T12:38:16Z)
Slender Object Detection: Diagnoses and Improvements [74.40792217534]
本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
論文参考訳（メタデータ） (2020-11-17T09:39:42Z)

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。