論文の概要: LaB-CL: Localized and Balanced Contrastive Learning for improving parking slot detection

• arxiv url: http://arxiv.org/abs/2410.07832v1
• Date: Thu, 10 Oct 2024 11:50:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-31 14:36:04.995072
• Title: LaB-CL: Localized and Balanced Contrastive Learning for improving parking slot detection
• Title（参考訳）: LaB-CL:パーキングスロット検出改善のための局所・平衡コントラスト学習
• Authors: U Jin Jeong, Sumin Roh, Il Yong Chun,
• Abstract要約: 駐車スロット検出, 局所化, バランス付きコントラスト学習(LaB-CL)のための最初の教師付きコントラスト学習フレームワークを提案する。 提案するLaB-CLフレームワークは2つの主要なアプローチを用いており、まず、局所的な視点から各ミニバッチの全てのクラスから表現を考察するクラスプロトタイプを含める。次に、高い予測誤差で局所表現を選択できる新しいハードネガティブサンプリングスキームを提案する。ベンチマークデータセットを用いた実験により、提案したLaB-CLフレームワークは、既存の駐車スロット検出方法より優れていることを示した。
• 参考スコア（独自算出の注目度）: 4.813333335683417
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Parking slot detection is an essential technology in autonomous parking systems. In general, the classification problem of parking slot detection consists of two tasks, a task determining whether localized candidates are junctions of parking slots or not, and the other that identifies a shape of detected junctions. Both classification tasks can easily face biased learning toward the majority class, degrading classification performances. Yet, the data imbalance issue has been overlooked in parking slot detection. We propose the first supervised contrastive learning framework for parking slot detection, Localized and Balanced Contrastive Learning for improving parking slot detection (LaB-CL). The proposed LaB-CL framework uses two main approaches. First, we propose to include class prototypes to consider representations from all classes in every mini batch, from the local perspective. Second, we propose a new hard negative sampling scheme that selects local representations with high prediction error. Experiments with the benchmark dataset demonstrate that the proposed LaB-CL framework can outperform existing parking slot detection methods.
• Abstract（参考訳）: 駐車スロット検出は、自律駐車システムにおいて重要な技術である。 一般に、駐車スロット検出の分類問題は、駐車スロットのジャンクションであるか否かを判断するタスクと、検出されたジャンクションの形状を特定するタスクの2つから成り立っている。 どちらの分類タスクも、多数派に偏りのある学習に容易に直面することができ、分類性能を低下させる。 しかし、データ不均衡の問題は駐車スロット検出では見過ごされている。 駐車スロット検出, 局所化, バランス付きコントラスト学習のための最初の教師付きコントラスト学習フレームワークを提案し, 駐車スロット検出(LaB-CL)を改善する。 提案されているLaB-CLフレームワークには2つの主要なアプローチがある。 まず,各ミニバッチのすべてのクラスから表現するクラスプロトタイプを局所的な視点から検討することを提案する。 次に,局所表現を高い予測誤差で選択する新しい強負サンプリング手法を提案する。 ベンチマークデータセットによる実験により、提案したLaB-CLフレームワークは、既存の駐車スロット検出方法より優れていることが示された。

関連論文リスト

• Collaborative Feature-Logits Contrastive Learning for Open-Set Semi-Supervised Object Detection [75.02249869573994]
  オープンセットのシナリオでは、ラベルなしデータセットには、イン・ディストリビューション(ID)クラスとアウト・オブ・ディストリビューション(OOD)クラスの両方が含まれている。 このような設定で半教師付き検出器を適用すると、OODクラスをIDクラスとして誤分類する可能性がある。 我々は、CFL-Detector(Collaborative Feature-Logits Detector)と呼ばれるシンプルで効果的な方法を提案する。
  論文  参考訳（メタデータ） (2024-11-20T02:57:35Z)
• Smart Camera Parking System With Auto Parking Spot Detection [1.0512475026060208]
  PakStaと呼ばれる新しい手法で駐車場の状態を自動識別する。 本手法はPakLocのオブジェクト検出器を用いて,ビデオフレーム内の駐車場の占有状況を同時に判定する。 提案手法がPKLotデータセットに与える影響は, 人的労働力の94.25%を大幅に削減する結果となった。
  論文  参考訳（メタデータ） (2024-07-07T19:00:11Z)
• Ambiguity-Resistant Semi-Supervised Learning for Dense Object Detection [98.66771688028426]
  本研究では,一段階検出器のためのAmbiguity-Resistant Semi-supervised Learning (ARSL)を提案する。 擬似ラベルの分類とローカライズ品質を定量化するために,JCE(Joint-Confidence Estimation)を提案する。 ARSLは、曖昧さを効果的に軽減し、MS COCOおよびPASCALVOC上で最先端のSSOD性能を達成する。
  論文  参考訳（メタデータ） (2023-03-27T07:46:58Z)
• Learning Common Rationale to Improve Self-Supervised Representation for Fine-Grained Visual Recognition Problems [61.11799513362704]
  我々は、インスタンスやクラスでよく見られる差別的手がかりを識別するための、追加のスクリーニングメカニズムの学習を提案する。 SSL目標から誘導されるGradCAMを単純に利用することで、共通な有理性検出器が学習可能であることを示す。
  論文  参考訳（メタデータ） (2023-03-03T02:07:40Z)
• Image-Based Vehicle Classification by Synergizing Features from Supervised and Self-Supervised Learning Paradigms [0.913755431537592]
  車両画像の表現学習において,DINOとData2vecの2つの最先端自己教師型学習手法を評価し,比較した。 これらの自己教師型学習法から得られた表現は,車種分類タスクの車輪位置特徴と組み合わせた。 我々の車輪マスキング戦略と整合したデータ2vec蒸留表現は,DINOよりも優れていた。
  論文  参考訳（メタデータ） (2023-02-01T18:22:23Z)
• Semi-Supervised Temporal Action Detection with Proposal-Free Masking [134.26292288193298]
  PropOsal-free Temporal mask (SPOT) に基づく新しい半教師付き時間行動検出モデルを提案する。 SPOTは最先端の代替品よりも優れている。
  論文  参考訳（メタデータ） (2022-07-14T16:58:47Z)
• Smart Parking Space Detection under Hazy conditions using Convolutional Neural Networks: A Novel Approach [0.0]
  本稿では, 空き環境下での駐車スペース占有性能を向上させるデハジングネットワークの利用について検討する。 提案システムは既存のスマートパーキングシステムの一部として展開可能で、数百台のパーキングスペースを監視するために、限られた数のカメラが使用されている。
  論文  参考訳（メタデータ） (2022-01-15T14:15:46Z)
• Semantics-Guided Contrastive Network for Zero-Shot Object detection [67.61512036994458]
  ゼロショット物体検出(ZSD)はコンピュータビジョンにおける新しい課題である。 ゼロショット検出の領域にコントラスト学習機構をもたらすフレームワークであるContrastZSDを開発した。 本手法は,ZSDタスクと一般化ZSDタスクの両方において,従来の最先端技術よりも優れていた。
  論文  参考訳（メタデータ） (2021-09-04T03:32:15Z)
• CNN-based Two-Stage Parking Slot Detection Using Region-Specific Multi-Scale Feature Extraction [7.652701739127332]
  パーキングスロット検出性能はディープラーニング技術により劇的に改善されている。 深層学習に基づく物体検出法は,一段階と二段階に分類できる。 本稿では,地域特化マルチスケール特徴抽出を用いた高度に特殊な2段駐車スロット検出器を提案する。
  論文  参考訳（メタデータ） (2021-08-13T12:02:02Z)
• Binary Classification from Multiple Unlabeled Datasets via Surrogate Set Classification [94.55805516167369]
  我々は m 個の U 集合を $mge2$ で二進分類する新しい手法を提案する。 我々のキーとなる考え方は、サロゲート集合分類(SSC)と呼ばれる補助的分類タスクを考えることである。
  論文  参考訳（メタデータ） (2021-02-01T07:36:38Z)
• PSDet: Efficient and Universal Parking Slot Detection [14.085693334348827]
  リアルタイム駐車スロット検出は、バレット駐車システムにおいて重要な役割を担っている。 既存の手法は、現実世界のアプリケーションでしか成功しない。 不満足なパフォーマンスを考慮に入れている2つの理由を論じる。 romannumeral1: 利用可能なデータセットは多様性が限られており、一般化能力が低い。
  論文  参考訳（メタデータ） (2020-05-12T03:06:25Z)

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。