論文の概要: Towards Reflected Object Detection: A Benchmark
- arxiv url: http://arxiv.org/abs/2407.05575v1
- Date: Mon, 8 Jul 2024 03:16:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-09 17:10:02.900415
- Title: Towards Reflected Object Detection: A Benchmark
- Title（参考訳）: オブジェクトのリフレクション検出に向けて:ベンチマーク
- Authors: Zhongtian Wang, You Wu, Hui Zhou, Shuiwang Li,
- Abstract要約: 本稿では,反射物体検出に特化して設計されたベンチマークを紹介する。
我々のリフレクションオブジェクト検出データセット(RODD)は、様々なコンテキストにおいて反射オブジェクトを示す多様な画像のコレクションを特徴としている。
RODDは10のカテゴリを包含し、異なる背景にまたがる21,059のリアルおよびリフレクションオブジェクトの画像を含んでいる。
- 参考スコア（独自算出の注目度）: 5.981658448641905
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Object detection has greatly improved over the past decade thanks to advances in deep learning and large-scale datasets. However, detecting objects reflected in surfaces remains an underexplored area. Reflective surfaces are ubiquitous in daily life, appearing in homes, offices, public spaces, and natural environments. Accurate detection and interpretation of reflected objects are essential for various applications. This paper addresses this gap by introducing a extensive benchmark specifically designed for Reflected Object Detection. Our Reflected Object Detection Dataset (RODD) features a diverse collection of images showcasing reflected objects in various contexts, providing standard annotations for both real and reflected objects. This distinguishes it from traditional object detection benchmarks. RODD encompasses 10 categories and includes 21,059 images of real and reflected objects across different backgrounds, complete with standard bounding box annotations and the classification of objects as real or reflected. Additionally, we present baseline results by adapting five state-of-the-art object detection models to address this challenging task. Experimental results underscore the limitations of existing methods when applied to reflected object detection, highlighting the need for specialized approaches. By releasing RODD, we aim to support and advance future research on detecting reflected objects. Dataset and code are available at: https: //github.com/Tqybu-hans/RODD.
- Abstract（参考訳）: ディープラーニングと大規模データセットの進歩により、オブジェクト検出は過去10年間で大幅に改善されている。
しかし、表面を反射する物体の検出は未探索領域のままである。
反射面は日常生活においてユビキタスであり、家、オフィス、公共空間、自然環境に現れる。
反射物体の正確な検出と解釈は様々な応用に不可欠である。
本稿では,反射物体検出に特化して設計された広範囲なベンチマークを導入することで,このギャップに対処する。
我々のリフレクションオブジェクト検出データセット(RODD)は、様々なコンテキストにおけるリフレクションオブジェクトを示す多様なイメージのコレクションを備えており、実際のオブジェクトとリフレクションオブジェクトの両方に対して標準的なアノテーションを提供しています。
これは従来のオブジェクト検出ベンチマークと区別する。
RODDは10のカテゴリを含み、さまざまな背景にまたがる21,059のリアルおよびリフレクションオブジェクトのイメージを含み、標準のバウンディングボックスアノテーションとオブジェクトをリアルまたはリフレクションとして分類する。
さらに、この課題に対処するために、5つの最先端オブジェクト検出モデルを適用することで、ベースライン結果を示す。
実験の結果は、反射物体検出に適用する場合の既存の手法の限界を浮き彫りにし、特殊なアプローチの必要性を強調した。
RODDを発売することで、反射物体の検出に関する将来の研究を支援し、前進させることを目指している。
データセットとコードは、https: //github.com/Tqybu-hans/RODDで利用可能である。
関連論文リスト
- Retrieval Robust to Object Motion Blur [54.34823913494456]
本研究では,動きのぼやけの影響を受けやすい画像のオブジェクト検索手法を提案する。
ぼやけたオブジェクト検索のための最初の大規模データセットを提示する。
提案手法は,新しいぼやけた検索データセット上で,最先端の検索手法より優れている。
論文 参考訳（メタデータ） (2024-04-27T23:22:39Z) - Generative Region-Language Pretraining for Open-Ended Object Detection [55.42484781608621]
我々は,高密度物体を検出し,その名前を自由形式の方法で生成できるGenerateUというフレームワークを提案する。
本フレームワークはオープン語彙オブジェクト検出手法GLIPに匹敵する結果が得られる。
論文 参考訳（メタデータ） (2024-03-15T10:52:39Z) - 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) - Few-Shot Object Detection: A Survey [4.266990593059534]
オブジェクト検出は、ターゲットドメイン内の新しいカテゴリの少数のオブジェクトインスタンスから学ぶことを目的としている。
トレーニング手法とアーキテクチャレイアウトに応じてアプローチを分類する。
一般的なデータセットとその評価プロトコルを導入し,ベンチマーク結果を解析する。
論文 参考訳（メタデータ） (2021-12-22T07:08:53Z) - Contrastive Object Detection Using Knowledge Graph Embeddings [72.17159795485915]
一つのホットアプローチで学習したクラス埋め込みの誤差統計と、自然言語処理や知識グラフから意味的に構造化された埋め込みを比較した。
本稿では,キーポイントベースおよびトランスフォーマーベースオブジェクト検出アーキテクチャの知識埋め込み設計を提案する。
論文 参考訳（メタデータ） (2021-12-21T17:10:21Z) - Learning Open-World Object Proposals without Learning to Classify [110.30191531975804]
本研究では,各領域の位置と形状がどの接地トラストオブジェクトとどのように重なり合うかによって,各領域の目的性を純粋に推定する,分類不要なオブジェクトローカライゼーションネットワークを提案する。
この単純な戦略は一般化可能な対象性を学び、クロスカテゴリの一般化に関する既存の提案より優れている。
論文 参考訳（メタデータ） (2021-08-15T14:36:02Z) - Learning to Track Object Position through Occlusion [32.458623495840904]
オクルージョンは、物体検出器やトラッカーが直面する最も重要な課題の1つである。
本稿では,領域ベースビデオオブジェクト検出装置の成功に基づくトラッキング・バイ・検出手法を提案する。
提案手法は,インターネットから収集した家具組立ビデオのデータセットにおいて,優れた結果が得られる。
論文 参考訳（メタデータ） (2021-06-20T22:29:46Z) - Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。
この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。
我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文 参考訳（メタデータ） (2021-05-07T03:49:26Z) - A Survey of Modern Deep Learning based Object Detection Models [0.7388859384645263]
この記事では、ディープラーニングベースのオブジェクト検出器の最近の開発を調査します。
ベンチマークデータセットと検出に使用される評価メトリクスの概要を提供する。
また、エッジデバイスで使用される現代の軽量な分類モデルもカバーしている。
論文 参考訳（メタデータ） (2021-04-24T06:33:54Z) - 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。
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。