論文の概要: Perceptual Piercing: Human Visual Cue-based Object Detection in Low Visibility Conditions
- arxiv url: http://arxiv.org/abs/2410.01225v2
- Date: Mon, 7 Oct 2024 02:28:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-04 22:28:32.791440
- Title: Perceptual Piercing: Human Visual Cue-based Object Detection in Low Visibility Conditions
- Title（参考訳）: 知覚的ピアシング:低視認性条件下での人間の視覚的キューに基づく物体検出
- Authors: Ashutosh Kumar,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.0409124291940826
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study proposes a novel deep learning framework inspired by atmospheric scattering and human visual cortex mechanisms to enhance object detection under poor visibility scenarios such as fog, smoke, and haze. These conditions pose significant challenges for object recognition, impacting various sectors, including autonomous driving, aviation management, and security systems. The objective is to enhance the precision and reliability of detection systems under adverse environmental conditions. The research investigates the integration of human-like visual cues, particularly focusing on selective attention and environmental adaptability, to ascertain their impact on object detection's computational efficiency and accuracy. This paper proposes a multi-tiered strategy that integrates an initial quick detection process, followed by targeted region-specific dehazing, and concludes with an in-depth detection phase. The approach is validated using the Foggy Cityscapes, RESIDE-beta (OTS and RTTS) datasets and is anticipated to set new performance standards in detection accuracy while significantly optimizing computational efficiency. The findings offer a viable solution for enhancing object detection in poor visibility and contribute to the broader understanding of integrating human visual principles into deep learning algorithms for intricate visual recognition challenges.
- Abstract（参考訳）: 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。
これらの条件は、自律運転、航空管理、セキュリティシステムを含む様々な分野に影響を及ぼす、物体認識に重大な課題をもたらす。
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。
この研究は、物体検出の計算効率と精度に与える影響を確かめるために、人のような視覚的手がかりの統合、特に選択的注意と環境適応性に焦点を当てている。
本稿では,初期早期検出プロセスを統合したマルチ階層戦略を提案する。
この手法はFOGY Cityscapes, RESIDE-beta (OTS and RTTS) データセットを用いて検証され, 計算効率を著しく最適化しつつ, 検出精度において新たな性能基準を設定することが期待されている。
この発見は、視認性の低い物体検出を強化するための実行可能なソリューションを提供し、人間の視覚原理を深層学習アルゴリズムに統合して、複雑な視覚的認識課題を克服する、というより広い理解に寄与する。
関連論文リスト
- 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) - Integrity Monitoring of 3D Object Detection in Automated Driving Systems using Raw Activation Patterns and Spatial Filtering [12.384452095533396]
ディープニューラルネットワーク(DNN)モデルは、自動運転システム(ADS)における物体検出に広く利用されている。
しかし、そのようなモデルは、重大な安全性に影響を及ぼす可能性のあるエラーを起こしやすい。
このようなエラーを検知することを目的とした検査・自己評価モデルは、ADSの安全な配置において最重要となる。
論文 参考訳（メタデータ） (2024-05-13T10:03:03Z) - OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。
この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。
本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T18:30:29Z) - Collaborative Knowledge Infusion for Low-resource Stance Detection [83.88515573352795]
姿勢検出モデルを支援するために、ターゲット関連の知識がしばしば必要である。
低リソース姿勢検出タスクに対する協調的知識注入手法を提案する。
論文 参考訳（メタデータ） (2024-03-28T08:32:14Z) - Object Detectors in the Open Environment: Challenges, Solutions, and Outlook [95.3317059617271]
オープン環境のダイナミックで複雑な性質は、オブジェクト検出器に新しくて恐ろしい挑戦をもたらす。
本稿では,オープン環境におけるオブジェクト検出器の総合的なレビューと解析を行う。
データ/ターゲットの変化の次元に基づいて、4つの四分法(ドメイン外、カテゴリ外、堅牢な学習、漸進的な学習)を含むフレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-24T19:32:39Z) - Exploring Hyperspectral Anomaly Detection with Human Vision: A Small
Target Aware Detector [20.845503528474328]
ハイパースペクトル異常検出(HAD)は、背景と異なるスペクトル特徴を持つ画素点の局在化を目的としている。
既存のHAD法は、背景スペクトルと異常スペクトルを客観的に検出し、識別することを目的としている。
本稿では,人間の視覚知覚下でのハイパースペクトル画像(HSI)の特徴を解析する。
本研究では,人間の視覚的知覚に近づいたHSI特徴を捉えるために,サリエンシマップを導入した小型目標認識検出器(STAD)を提案する。
論文 参考訳（メタデータ） (2024-01-02T08:28:38Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳（メタデータ） (2023-11-21T19:49:13Z) - 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) - Adversarially-Aware Robust Object Detector [85.10894272034135]
本稿では,ロバスト検出器 (RobustDet) を提案する。
本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
論文 参考訳（メタデータ） (2022-07-13T13:59:59Z) - 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) - Understanding Object Detection Through An Adversarial Lens [14.976840260248913]
本稿では, 対向レンズ下での深部物体検出装置の脆弱性を分析し評価するための枠組みを提案する。
提案手法は, リアルタイムオブジェクト検出システムにおいて, 対向行動やリスクを解析するための方法論的ベンチマークとして機能することが実証された。
我々は、このフレームワークが、現実世界のアプリケーションにデプロイされるディープオブジェクト検出器のセキュリティリスクと敵の堅牢性を評価するツールとしても役立つと推測する。
論文 参考訳（メタデータ） (2020-07-11T18:41:47Z)
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。