論文の概要: Normalized Validity Scores for DNNs in Regression based Eye Feature Extraction
- arxiv url: http://arxiv.org/abs/2403.11665v1
- Date: Mon, 18 Mar 2024 11:12:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-19 15:37:57.410931
- Title: Normalized Validity Scores for DNNs in Regression based Eye Feature Extraction
- Title(参考訳): 回帰型アイ特徴抽出におけるDNNの正規化妥当性スコア
- Authors: Wolfgang Fuhl,
- Abstract要約: 我々は、目覚ましい妥当性の喪失を改善することを提案する。
ランドマーク検出は, 頭部ポーズ推定, 眼球形状抽出, 瞳孔, 虹彩のセグメンテーションに広く用いられている。
- 参考スコア(独自算出の注目度): 0.9155684383461983
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose an improvement to the landmark validity loss. Landmark detection is widely used in head pose estimation, eyelid shape extraction, as well as pupil and iris segmentation. There are numerous additional applications where landmark detection is used to estimate the shape of complex objects. One part of this process is the accurate and fine-grained detection of the shape. The other part is the validity or inaccuracy per landmark, which can be used to detect unreliable areas, where the shape possibly does not fit, and to improve the accuracy of the entire shape extraction by excluding inaccurate landmarks. We propose a normalization in the loss formulation, which improves the accuracy of the entire approach due to the numerical balance of the normalized inaccuracy. In addition, we propose a margin for the inaccuracy to reduce the impact of gradients, which are produced by negligible errors close to the ground truth.
- Abstract(参考訳): 我々は、目覚ましい妥当性の喪失を改善することを提案する。
ランドマーク検出は, 頭部ポーズ推定, 眼球形状抽出, 瞳孔, 虹彩のセグメンテーションに広く用いられている。
複雑な物体の形状を推定するためにランドマーク検出を用いるアプリケーションも数多く存在する。
このプロセスの1つは、形状の正確かつきめ細かな検出である。
その他の部分はランドマーク毎の妥当性または不正確性であり、不正確なランドマークを除外することで、形状が適合しない可能性のある不確実な領域を検出し、全体の形状抽出の精度を向上させるために使用できる。
損失定式化における正規化を提案し、正規化不正確性の数値的バランスによるアプローチ全体の精度を向上させる。
さらに, 基底真実に近い無視可能な誤りによって生じる勾配の影響を低減するために, 不正確さのマージンを提案する。
関連論文リスト
- Nested ResNet: A Vision-Based Method for Detecting the Sensing Area of a Drop-in Gamma Probe [2.835688998859888]
ドロップインガンマプローブは、リンパ節検出のためのロボット支援最小侵襲手術(RAMIS)に広く用いられている。
従来の研究では、腹腔鏡画像を用いて感知領域の位置を予測しようとしたが、予測精度は不十分であった。
本研究では,プローブの知覚領域を予測するための3分岐深度学習フレームワークを提案する。
論文 参考訳(メタデータ) (2024-10-30T16:08:43Z) - Geo-Localization Based on Dynamically Weighted Factor-Graph [74.75763142610717]
特徴に基づくジオローカライゼーションは、航空画像から抽出された特徴と車両のセンサーによって検出された特徴とを関連付けることに依存する。
これにより、ランドマークの種類は両方のソースから観測できなければならない。
車両軌道推定のための動的重み付き因子グラフモデルを提案する。
論文 参考訳(メタデータ) (2023-11-13T12:44:14Z) - NeuralGF: Unsupervised Point Normal Estimation by Learning Neural
Gradient Function [55.86697795177619]
3次元点雲の正規推定は3次元幾何処理の基本的な課題である。
我々は,ニューラルネットワークが入力点雲に適合することを奨励する,ニューラルグラデーション関数の学習のための新しいパラダイムを導入する。
広範に使用されているベンチマークの優れた結果から,本手法は非指向性および指向性正常推定タスクにおいて,より正確な正規性を学習できることが示されている。
論文 参考訳(メタデータ) (2023-11-01T09:25:29Z) - Neural Gradient Learning and Optimization for Oriented Point Normal
Estimation [53.611206368815125]
本研究では,3次元点雲から勾配ベクトルを一貫した向きで学習し,正規推定を行うためのディープラーニング手法を提案する。
局所平面幾何に基づいて角距離場を学習し、粗勾配ベクトルを洗練する。
本手法は,局所特徴記述の精度と能力の一般化を図りながら,グローバル勾配近似を効率的に行う。
論文 参考訳(メタデータ) (2023-09-17T08:35:11Z) - Hyperspherical Loss-Aware Ternary Quantization [12.90416661059601]
画像分類と物体検出の両タスクにおいて, 3次量子化の精度を大幅に向上できることを示す。
実験結果から,3次量子化の精度は画像分類と物体検出の両方において向上することが示された。
論文 参考訳(メタデータ) (2022-12-24T04:27:01Z) - 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) - Learning High-Precision Bounding Box for Rotated Object Detection via
Kullback-Leibler Divergence [100.6913091147422]
既存の回転物体検出器は、主に水平検出パラダイムから受け継がれている。
本稿では,回転回帰損失の設計を帰納パラダイムから導出手法に変更することを目的としている。
論文 参考訳(メタデータ) (2021-06-03T14:29:19Z) - Learn Fine-grained Adaptive Loss for Multiple Anatomical Landmark
Detection in Medical Images [15.7026400415269]
本稿ではランドマーク検出のための新しい学習学習フレームワークを提案する。
提案手法は汎用的であり,解剖学的ランドマーク検出の効率向上の可能性を示す。
論文 参考訳(メタデータ) (2021-05-19T13:39:18Z) - Entropic gradient descent algorithms and wide flat minima [6.485776570966397]
広い平坦領域に属する最小値に対応するベイズ最適点推定器が存在することを解析的に示す。
解析を広範囲な数値検証により深層学習シナリオに拡張する。
計算が容易な平坦度測定は、テスト精度と明確な相関を示す。
論文 参考訳(メタデータ) (2020-06-14T13:22:19Z) - Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge
Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。
これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文 参考訳(メタデータ) (2020-03-28T18:51:43Z) - ASLFeat: Learning Local Features of Accurate Shape and Localization [42.70030492742363]
ASLFeatを3つの軽量かつ効果的に修正し、上記の問題を緩和する。
まず、変形可能な畳み込みネットワークを用いて局所変換を密に推定、適用する。
第2に,空間分解能と低レベル細部を復元する特徴階層を利用して,正確なキーポイント位置推定を行う。
論文 参考訳(メタデータ) (2020-03-23T04:03:03Z)
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。