論文の概要: Small Object Detection for Indoor Assistance to the Blind using YOLO NAS Small and Super Gradients

• arxiv url: http://arxiv.org/abs/2409.07469v1
• Date: Wed, 28 Aug 2024 05:38:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-15 05:01:16.831435
• Title: Small Object Detection for Indoor Assistance to the Blind using YOLO NAS Small and Super Gradients
• Title（参考訳）: YOLO NAS 小型・超高勾配を用いた内耳補助装置の小型物体検出
• Authors: Rashmi BN, R. Guru, Anusuya M A,
• Abstract要約: 本稿では,小物体検出の課題に対処して,視覚障害者に対する屋内支援のための新しいアプローチを提案する。 軽量で効率的なオブジェクト検出モデルであるYOLO NAS Smallアーキテクチャを,Super Gradientsトレーニングフレームワークを用いて最適化する手法を提案する。
• 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: Advancements in object detection algorithms have opened new avenues for assistive technologies that cater to the needs of visually impaired individuals. This paper presents a novel approach for indoor assistance to the blind by addressing the challenge of small object detection. We propose a technique YOLO NAS Small architecture, a lightweight and efficient object detection model, optimized using the Super Gradients training framework. This combination enables real-time detection of small objects crucial for assisting the blind in navigating indoor environments, such as furniture, appliances, and household items. Proposed method emphasizes low latency and high accuracy, enabling timely and informative voice-based guidance to enhance the user's spatial awareness and interaction with their surroundings. The paper details the implementation, experimental results, and discusses the system's effectiveness in providing a practical solution for indoor assistance to the visually impaired.
• Abstract（参考訳）: 物体検出アルゴリズムの進歩は、視覚障害者のニーズに応える支援技術のための新しい道を開いた。 本稿では,小物体検出の課題に対処して,視覚障害者に対する屋内支援のための新しいアプローチを提案する。 軽量で効率的なオブジェクト検出モデルであるYOLO NAS Smallアーキテクチャを,Super Gradientsトレーニングフレームワークを用いて最適化する手法を提案する。 この組み合わせにより、家具、家電、家庭用品などの室内環境をナビゲートする際の盲人支援に不可欠な小さな物体をリアルタイムに検出することができる。 提案手法は低レイテンシと高精度を重視し,ユーザの空間認識と周囲とのインタラクションを高めるために,タイムリーかつ情報的音声ベースのガイダンスを可能にする。 本報告では,視覚障害者に対する屋内支援の実践的ソリューションを提供する上でのシステムの有効性について,実装,実験結果について詳述する。

関連論文リスト

• Object Detection and Tracking [0.0]
  プロジェクトの目的は、オブジェクト検出のための最新の技術を統合することであり、リアルタイムのパフォーマンスで高い精度を達成することを目的としている。 本研究では,ディープラーニング技術を用いて,エンドツーエンドの物体検出問題を完全に解決する。
  論文  参考訳（メタデータ） (2025-02-14T17:13:52Z)
• Adaptive Object Detection for Indoor Navigation Assistance: A Performance Evaluation of Real-Time Algorithms [4.80104397397529]
  室内ナビゲーション支援の文脈において,4つのリアルタイムオブジェクト検出アルゴリズム YOLO,SSD,Faster R-CNN,Mask R-CNN を評価する。 その結果,精度と効率のトレードオフを浮き彫りにし,リアルタイムナビゲーションのための最適なアルゴリズムの選択に関する洞察を提供することができた。
  論文  参考訳（メタデータ） (2025-01-30T15:56:20Z)
• Oriented Tiny Object Detection: A Dataset, Benchmark, and Dynamic Unbiased Learning [51.170479006249195]
  本研究では,新しいデータセット,ベンチマーク,動的粗大な学習手法を提案する。 提案するデータセットであるAI-TOD-Rは、すべてのオブジェクト指向オブジェクト検出データセットの中で最小のオブジェクトサイズを特徴としている。 完全教師付きおよびラベル効率の両アプローチを含む,幅広い検出パラダイムにまたがるベンチマークを提案する。
  論文  参考訳（メタデータ） (2024-12-16T09:14:32Z)
• LEAP:D - A Novel Prompt-based Approach for Domain-Generalized Aerial Object Detection [2.1233286062376497]
  学習可能なプロンプトを用いた革新的な視覚言語アプローチを提案する。 この手動プロンプトからのシフトは、ドメイン固有の知識干渉を減らすことを目的としている。 トレーニングプロセスを一段階のアプローチで合理化し、学習可能なプロンプトとモデルトレーニングを同時に更新する。
  論文  参考訳（メタデータ） (2024-11-14T04:39:10Z)
• Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
  水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。 近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
  論文  参考訳（メタデータ） (2024-10-08T00:25:33Z)
• Perceptual Piercing: Human Visual Cue-based Object Detection in Low Visibility Conditions [2.0409124291940826]
  本研究では,大気散乱と人間の視覚野機構に触発された新しい深層学習フレームワークを提案する。 本研究の目的は, 環境条件下での検知システムの精度と信頼性を高めることである。
  論文  参考訳（メタデータ） (2024-10-02T04:03:07Z)
• Cycle Consistency Driven Object Discovery [75.60399804639403]
  本研究では,シーンの各オブジェクトが異なるスロットに関連付けられなければならない制約を明示的に最適化する手法を提案する。 これらの一貫性目標を既存のスロットベースのオブジェクト中心手法に統合することにより、オブジェクト発見性能を大幅に改善することを示す。 提案手法は,オブジェクト発見を改善するだけでなく,下流タスクのよりリッチな機能も提供することを示唆している。
  論文  参考訳（メタデータ） (2023-06-03T21:49:06Z)
• A Comprehensive Study on Object Detection Techniques in Unconstrained Environments [0.0]
  オブジェクト検出は、画像やビデオ内のオブジェクトを識別し、ローカライズすることを目的とした、コンピュータビジョンにおける重要なタスクである。 近年のディープラーニングと畳み込みニューラルネットワーク(CNN)の進歩により、オブジェクト検出技術の性能が大幅に向上した。 本稿では,制約のない環境下でのオブジェクト検出技術について,様々な課題,データセット,最先端のアプローチを含む包括的研究を行う。
  論文  参考訳（メタデータ） (2023-04-11T15:45:03Z)
• Information-Theoretic Odometry Learning [83.36195426897768]
  生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。 提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
  論文  参考訳（メタデータ） (2022-03-11T02:37:35Z)
• Analysis of voxel-based 3D object detection methods efficiency for real-time embedded systems [93.73198973454944]
  本稿では, ボクセルをベースとした2つの3次元物体検出手法について述べる。 実験の結果,これらの手法は入力点雲が遠距離にあるため,遠距離の小さな物体を検出できないことが確認できた。 この結果から,既存手法の計算のかなりの部分は,検出に寄与しないシーンの位置に着目していることが示唆された。
  論文  参考訳（メタデータ） (2021-05-21T12:40:59Z)
• AutoOD: Automated Outlier Detection via Curiosity-guided Search and Self-imitation Learning [72.99415402575886]
  外乱検出は重要なデータマイニングの課題であり、多くの実用的応用がある。 本稿では,最適なニューラルネットワークモデルを探すことを目的とした自動外乱検出フレームワークであるAutoODを提案する。 さまざまな実世界のベンチマークデータセットに対する実験結果から、AutoODが特定したディープモデルが最高のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2020-06-19T18:57:51Z)

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。