Fugu-MT 論文翻訳(概要): Synchronized Object Detection for Autonomous Sorting, Mapping, and Quantification of Medical Materials

論文の概要: Synchronized Object Detection for Autonomous Sorting, Mapping, and Quantification of Medical Materials

arxiv url: http://arxiv.org/abs/2405.06821v1
Date: Fri, 10 May 2024 21:46:03 GMT
ステータス: 処理完了
システム内更新日: 2024-05-14 19:55:18.182928
Title: Synchronized Object Detection for Autonomous Sorting, Mapping, and Quantification of Medical Materials
Title（参考訳）: 医用材料の自動ソーティング・マッピング・定量化のための同期物体検出
Authors: Federico Zocco, Daniel Lake, Shahin Rahimifard,
Abstract要約: 本稿では,リアルタイム同期物体検出手法を提案する。
参考スコア（独自算出の注目度）: 1.1265248232450553
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The circular economy paradigm is gaining interest as a solution to reduce both material supply uncertainties and waste generation. One of the main challenges is monitoring materials, since in general, something that is not measured cannot be effectively managed. In this paper, we propose real-time synchronized object detection to enable, at the same time, autonomous sorting, mapping, and quantification of end-of-life medical materials. Dataset, code, and demo videos are publicly available.
Abstract（参考訳）: 循環経済のパラダイムは、物質供給の不確実性と廃棄物の発生の両方を減らすソリューションとして関心を集めている。主な課題の1つは、一般に測定されていないものは効果的に管理できないため、材料を監視することである。本稿では,リアルタイム同期物体検出手法を提案する。データセット、コード、デモビデオが公開されている。

関連論文リスト

Real-Time Anomaly Detection in Video Streams [0.0]
この論文は、Othello社とIASD研究所との間のCIFRE協定の一部である。目的は、ビデオストリーム内のリアルタイムな危険を検出する人工知能システムを開発することである。
論文参考訳（メタデータ） (2024-11-29T14:24:33Z)
DeTra: A Unified Model for Object Detection and Trajectory Forecasting [68.85128937305697]
提案手法は,2つのタスクの結合を軌道修正問題として定式化する。この統合タスクに対処するために、オブジェクトの存在, ポーズ, マルチモーダルな将来の振る舞いを推測する精細化変換器を設計する。実験では、我々のモデルはArgoverse 2 Sensor and Openデータセットの最先端性よりも優れています。
論文参考訳（メタデータ） (2024-06-06T18:12:04Z)
ICGNet: A Unified Approach for Instance-Centric Grasping [42.92991092305974]
オブジェクト中心の把握のためのエンドツーエンドアーキテクチャを導入する。提案手法の有効性を,合成データセット上での最先端手法に対して広範囲に評価することにより示す。
論文参考訳（メタデータ） (2024-01-18T12:41:41Z)
Transformer Network for Multi-Person Tracking and Re-Identification in Unconstrained Environment [0.6798775532273751]
マルチオブジェクトトラッキング(MOT)は、監視、スポーツ分析、自動運転、協調ロボットなど、さまざまな分野に深く応用されている。我々は、オブジェクト検出とアイデンティティリンクを単一のエンドツーエンドのトレーニング可能なフレームワーク内にマージする統合MOT手法を提唱した。本システムでは,記憶時記憶モジュールの高機能化を図り,アグリゲータを用いて効果的に記憶時記憶モジュールを符号化する。
論文参考訳（メタデータ） (2023-12-19T08:15:22Z)
Appearance-Based Refinement for Object-Centric Motion Segmentation [85.2426540999329]
本稿では,ビデオストリームの時間的一貫性を利用して,不正確なフローベース提案を補正する外観に基づく改善手法を提案する。提案手法では,高精度なフロー予測マスクを模範として,シーケンスレベルの選択機構を用いる。パフォーマンスは、DAVIS、YouTube、SegTrackv2、FBMS-59など、複数のビデオセグメンテーションベンチマークで評価されている。
論文参考訳（メタデータ） (2023-12-18T18:59:51Z)
Follow Anything: Open-set detection, tracking, and following in real-time [89.83421771766682]
我々は,物体をリアルタイムで検出,追跡,追跡するロボットシステムを提案する。私たちのアプローチは、何でも従う"(FAn)と呼ばれ、オープンな語彙とマルチモーダルモデルです。 FAnは軽量(6～8GB)グラフィックカードでラップトップにデプロイでき、毎秒6～20フレームのスループットを実現する。
論文参考訳（メタデータ） (2023-08-10T17:57:06Z)
Spatial-Temporal Graph Enhanced DETR Towards Multi-Frame 3D Object Detection [54.041049052843604]
STEMDは,多フレーム3Dオブジェクト検出のためのDETRのようなパラダイムを改良した,新しいエンドツーエンドフレームワークである。まず、オブジェクト間の空間的相互作用と複雑な時間的依存をモデル化するために、空間的時間的グラフアテンションネットワークを導入する。最後に、ネットワークが正のクエリと、ベストマッチしない他の非常に類似したクエリを区別することが課題となる。
論文参考訳（メタデータ） (2023-07-01T13:53:14Z)
3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D Point Clouds [95.54285993019843]
本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
論文参考訳（メタデータ） (2022-11-01T20:59:38Z)
Real-Time Siamese Multiple Object Tracker with Enhanced Proposals [2.4923006485141284]
SiamMOTIONは、数十の任意のオブジェクトをリアルタイムで追跡できる。注意機構と関心領域抽出器によって品質特性を生産する。 SiamMOTIONは5つの公開ベンチマークで検証されている。
論文参考訳（メタデータ） (2022-02-10T11:41:27Z)
Self-Supervision by Prediction for Object Discovery in Videos [62.87145010885044]
本稿では,この予測タスクを自己監督として利用し,画像シーケンス表現のための新しいオブジェクト中心モデルを構築する。私たちのフレームワークは、手動アノテーションや事前トレーニングされたネットワークを使わずにトレーニングできます。最初の実験では、提案されたパイプラインがオブジェクト中心のビデオ予測への有望なステップであることを確認した。
論文参考訳（メタデータ） (2021-03-09T19:14:33Z)
Data-Driven Distributed State Estimation and Behavior Modeling in Sensor Networks [5.817715558396024]
センサネットワークにおける状態推定と行動学習の同時学習の問題を定式化する。本稿では,ガウス過程に基づくベイズフィルタ(GP-BayesFilters)をオンライン分散環境に拡張することで,シンプルで効果的な解を提案する。提案手法の有効性は,マルチロボットプラットフォームから収集した合成データとデータの両方を用いて,未知の動作行動を持つ物体の追跡に評価される。
論文参考訳（メタデータ） (2020-09-22T21:31:18Z)

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。