論文の概要: A drone detector with modified backbone and multiple pyramid featuremaps enhancement structure (MDDPE)

• arxiv url: http://arxiv.org/abs/2405.02882v1
• Date: Sun, 5 May 2024 10:28:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-07 17:50:42.433135
• Title: A drone detector with modified backbone and multiple pyramid featuremaps enhancement structure (MDDPE)
• Title（参考訳）: 改良型バックボーンと多重ピラミッド特徴マップ強化構造(MDDPE)を有するドローン検出器
• Authors: Chenhao Wu,
• Abstract要約: 本研究は,改良後骨と多重ピラミッド特徴地図強調構造(MDDPE)を有するドローン検出器を提案する。 新たな特徴マップでは,情報レベルの異なるモジュールを改良し,より堅牢で差別的な特徴を創出する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work presents a drone detector with modified backbone and multiple pyramid feature maps enhancement structure (MDDPE). Novel feature maps improve modules that uses different levels of information to produce more robust and discriminatory features is proposed. These module includes the feature maps supplement function and the feature maps recombination enhancement function.To effectively handle the drone characteristics, auxiliary supervisions that are implemented in the early stages by employing tailored anchors designed are utilized. To further improve the modeling of real drone detection scenarios and initialization of the regressor, an updated anchor matching technique is introduced to match anchors and ground truth drone as closely as feasible. To show the proposed MDDPE's superiority over the most advanced detectors, extensive experiments are carried out using well-known drone detection benchmarks.
• Abstract（参考訳）: 本研究は,後方構造を改良したドローン検知器と,複数のピラミッド特徴地図強調構造(MDDPE)を提案する。 新たな特徴マップでは,情報レベルの異なるモジュールを改良し,より堅牢で差別的な特徴を創出する。 これらのモジュールは、機能マップ補完機能と、機能マップ再結合強化機能を含み、ドローンの特性を効果的に扱うために、設計された調整アンカーを用いて、初期的に実施される補助的な監督機能を利用する。 実際のドローン検出シナリオのモデリングと回帰器の初期化をさらに改善するため、アンカーと地上の真理ドローンを密にマッチングするために、改良されたアンカーマッチング技術が導入された。 最も先進的な検出器よりもMDDPEの方が優れていることを示すために、よく知られたドローン検出ベンチマークを用いて広範な実験を行った。

関連論文リスト

• DroneMOT: Drone-based Multi-Object Tracking Considering Detection Difficulties and Simultaneous Moving of Drones and Objects [6.449663756698312]
  監視カメラなどの静的プラットフォーム上でのマルチオブジェクトトラッキング(MOT)は、大きな進歩を遂げている。 しかし、ドローンのような動的プラットフォームに関しては、従来のMOT手法の有効性は著しく低下している。 本稿では,ドローンによる物体検出の高速化と,小型でぼやけた,隠蔽された物体に対する特徴埋め込みを目的とした,ドローンの高速移動を考慮したDroneMOTを提案する。
  論文  参考訳（メタデータ） (2024-07-12T07:18:18Z)
• DroBoost: An Intelligent Score and Model Boosting Method for Drone Detection [1.2564343689544843]
  ドローン検出は、画像の可視性や品質が好ましくないような、困難な物体検出タスクである。 私たちの仕事は、いくつかの改善を組み合わせることで、以前のアプローチを改善します。 提案された技術は、Drone vs. Bird Challengeで1位を獲得した。
  論文  参考訳（メタデータ） (2024-06-30T20:49:56Z)
• Visible and Clear: Finding Tiny Objects in Difference Map [50.54061010335082]
  本稿では,検出モデルに自己再構成機構を導入し,それと微小物体との強い相関関係を明らかにする。 具体的には、再構成画像と入力の差分マップを構築して、検出器の首の内側に再構成ヘッドを配置し、小さな物体に対して高い感度を示す。 さらに、小さな特徴表現をより明確にするために、差分マップガイド機能拡張(DGFE)モジュールを開発する。
  論文  参考訳（メタデータ） (2024-05-18T12:22:26Z)
• CFPFormer: Feature-pyramid like Transformer Decoder for Segmentation and Detection [1.837431956557716]
  特徴ピラミッドは、医療画像のセグメンテーションやオブジェクト検出といったタスクのために、畳み込みニューラルネットワーク(CNN)やトランスフォーマーで広く採用されている。 本稿では,特徴ピラミッドと変圧器を統合したデコーダブロックを提案する。 本モデルでは,既存手法と比較して,小型物体の検出性能が向上する。
  論文  参考訳（メタデータ） (2024-04-23T18:46:07Z)
• AMANet: Advancing SAR Ship Detection with Adaptive Multi-Hierarchical Attention Network [0.5437298646956507]
  適応型多階層型アテンションモジュール (AMAM) を提案する。 まず,隣り合う特徴層からの情報を融合して,より小さなターゲットの検出を強化し,マルチスケールな特徴強調を実現する。 第3に,AMAMをバックボーンネットワークと特徴ピラミッドネットワークに埋め込むことにより,適応型多階層アテンションネットワーク(AMANet)を提案する。
  論文  参考訳（メタデータ） (2024-01-24T03:56:33Z)
• SimPLR: A Simple and Plain Transformer for Scaling-Efficient Object Detection and Segmentation [49.65221743520028]
  本研究は, 背骨と頭部が非階層的であり, 単一スケールの機能で動作するSimPLRを, スケール認識型トランスフォーマーベース検出器により検出できることを示す。 マルチスケールおよびシングルスケールの最先端と比較して、我々のモデルはより大きなキャパシティ(自己監督型)モデルとより事前学習データにより、はるかに良くスケールする。
  論文  参考訳（メタデータ） (2023-10-09T17:59:26Z)
• Hierarchical Point Attention for Indoor 3D Object Detection [111.04397308495618]
  本研究は、点ベース変圧器検出器の汎用階層設計として、2つの新しい注意操作を提案する。 まず、よりきめ細かい特徴学習を可能にするために、シングルスケールの入力機能からマルチスケールトークンを構築するマルチスケール注意(MS-A)を提案する。 第2に,適応型アテンション領域を持つサイズ適応型ローカルアテンション(Local-A)を提案する。
  論文  参考訳（メタデータ） (2023-01-06T18:52:12Z)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)
• Towards Efficient Use of Multi-Scale Features in Transformer-Based Object Detectors [49.83396285177385]
  マルチスケール機能は、オブジェクト検出に非常に効果的であることが証明されているが、多くの場合、巨大な計算コストが伴う。 本稿では,Transformerベースのオブジェクト検出器において,マルチスケール機能を効率的に利用するための汎用パラダイムとして,Iterative Multi-scale Feature Aggregation (IMFA)を提案する。
  論文  参考訳（メタデータ） (2022-08-24T08:09:25Z)
• Integral Migrating Pre-trained Transformer Encoder-decoders for Visual Object Detection [78.2325219839805]
  imTEDは、数発のオブジェクト検出の最先端を最大7.6%改善する。 MS COCOデータセットの実験は、imTEDが一貫してそのデータセットを2.8%上回っていることを示している。
  論文  参考訳（メタデータ） (2022-05-19T15:11:20Z)
• DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution [27.67084901207291]
  物体検出のためのバックボーン設計において,2回検討・検討する機構について検討する。 マクロレベルでは、Feature Pyramid Networksから追加のフィードバック接続を組み込んだRecursive Feature Pyramidを提案する。 マイクロレベルでは、異なるアラスレートで特徴を包含し、結果を収集するスイッチブル・アラス・コンボリューションを提案する。
  論文  参考訳（メタデータ） (2020-06-03T15:28:16Z)

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。