論文の概要: Structure Tensor Representation for Robust Oriented Object Detection

• arxiv url: http://arxiv.org/abs/2411.10497v1
• Date: Fri, 15 Nov 2024 09:29:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:33:38.351552
• Title: Structure Tensor Representation for Robust Oriented Object Detection
• Title（参考訳）: ロバスト指向物体検出のための構造テンソル表現
• Authors: Xavier Bou, Gabriele Facciolo, Rafael Grompone von Gioi, Jean-Michel Morel, Thibaud Ehret,
• Abstract要約: オブジェクト指向オブジェクト検出は、オブジェクトの位置とバウンディングボックスに加えて、向きを予測する。 正確な方向予測は、角周期性のため難しいままである。 本稿では,配向境界箱の向きを構造テンソルとして表現することを提案する。
• 参考スコア（独自算出の注目度）: 15.991918116818807
• License:
• Abstract: Oriented object detection predicts orientation in addition to object location and bounding box. Precisely predicting orientation remains challenging due to angular periodicity, which introduces boundary discontinuity issues and symmetry ambiguities. Inspired by classical works on edge and corner detection, this paper proposes to represent orientation in oriented bounding boxes as a structure tensor. This representation combines the strengths of Gaussian-based methods and angle-coder solutions, providing a simple yet efficient approach that is robust to angular periodicity issues without additional hyperparameters. Extensive evaluations across five datasets demonstrate that the proposed structure tensor representation outperforms previous methods in both fully-supervised and weakly supervised tasks, achieving high precision in angular prediction with minimal computational overhead. Thus, this work establishes structure tensors as a robust and modular alternative for encoding orientation in oriented object detection. We make our code publicly available, allowing for seamless integration into existing object detectors.
• Abstract（参考訳）: オブジェクト指向オブジェクト検出は、オブジェクトの位置とバウンディングボックスに加えて、向きを予測する。 正確な方向予測は、境界の不連続性問題や対称性の曖昧さをもたらす角周期性のため、依然として困難である。 エッジとコーナー検出に関する古典的な研究から着想を得た本論文では、配向境界箱の向きを構造テンソルとして表現することを提案する。 この表現はガウス法とアングルコーダ解の強みを結合し、追加のハイパーパラメーターを使わずに角周期問題に頑健な単純かつ効率的なアプローチを提供する。 5つのデータセットにわたる広範囲な評価により、提案された構造テンソル表現は、完全教師付きタスクと弱教師付きタスクの両方において、従来の手法よりも優れており、計算オーバーヘッドが最小限である角予測において高精度であることが示された。 このようにして、この研究は、オブジェクト指向オブジェクト検出におけるエンコーディング指向の堅牢でモジュラーな代替手段として構造テンソルを確立する。 コードを公開して、既存のオブジェクト検出にシームレスに統合できるようにしています。

関連論文リスト

• ARS-DETR: Aspect Ratio-Sensitive Detection Transformer for Aerial Oriented Object Detection [55.291579862817656]
  既存のオブジェクト指向オブジェクト検出手法では、モデルの性能を測定するために計量AP$_50$が一般的である。 我々は、AP$_50$は本来、角度偏差に大きな耐性があるため、オブジェクト指向物体検出には適さないと主張している。 本稿では,ARS-DETR(Aspect Ratio Sensitive Oriented Object Detector with Transformer)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T02:20:56Z)
• Phase-Shifting Coder: Predicting Accurate Orientation in Oriented Object Detection [10.99534239215483]
  物体の向きを正確に予測するために、位相シフトコーダ(PSC)と呼ばれる新しい微分可能な角度コーダを提案する。 オブジェクト指向物体検出における様々な周期的ファジィ問題に対する統一的なフレームワークを提供する。 3つのデータセットの視覚的分析と実験は、我々のアプローチの有効性と可能性を証明する。
  論文  参考訳（メタデータ） (2022-11-11T17:31:25Z)
• End-to-End Instance Edge Detection [29.650295133113183]
  エッジ検出は長い間、コンピュータビジョンの分野で重要な問題であった。 従来の研究は、カテゴリ非依存またはカテゴリ対応エッジ検出を探索してきた。 本稿では,オブジェクトインスタンスのコンテキストにおけるエッジ検出について検討する。
  論文  参考訳（メタデータ） (2022-04-06T15:32:21Z)
• Robust Object Detection via Instance-Level Temporal Cycle Confusion [89.1027433760578]
  物体検出器の分布外一般化を改善するための補助的自己監視タスクの有効性を検討する。 最大エントロピーの原理に触発されて,新しい自己監督タスクであるインスタンスレベル時間サイクル混乱(cycconf)を導入する。 それぞれのオブジェクトに対して、タスクは、ビデオ内の隣接するフレームで最も異なるオブジェクトの提案を見つけ、自己スーパービジョンのために自分自身にサイクルバックすることです。
  論文  参考訳（メタデータ） (2021-04-16T21:35:08Z)
• 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)
• Pillar-based Object Detection for Autonomous Driving [33.021347169775474]
  本稿では,自律運転に最適化されたシンプルで柔軟な物体検出フレームワークを提案する。 このアプリケーションにおける点雲は極めて希少であるという観測に基づいて,アンカーによる問題を修正するための実践的な柱ベースのアプローチを提案する。 提案アルゴリズムは,多視点特徴学習に円筒射影を組み込み,各点毎やアンカー毎ではなく,各柱毎のバウンディングボックスパラメータを予測し,最終的な予測を改善するためにピラーツーポイント射影モジュールをアライメントする。
  論文  参考訳（メタデータ） (2020-07-20T17:59:28Z)
• Scope Head for Accurate Localization in Object Detection [135.9979405835606]
  本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。 我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
  論文  参考訳（メタデータ） (2020-05-11T04:00:09Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)
• On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
  まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。 我々は、角予測タスクを回帰問題から分類問題に変換する。 得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
  論文  参考訳（メタデータ） (2020-03-12T03:23:54Z)
• Mixup Regularization for Region Proposal based Object Detectors [0.0]
  本研究では,アンカーの固有領域マッピング構造を活用して,領域提案に基づく物体検出のための混合学習規則を導入することを提案する。 実験の結果,画像変化に対する頑健さが向上し,検出の非コンテクスト化能力も向上し,一般化能力が向上した。
  論文  参考訳（メタデータ） (2020-03-04T13:16:45Z)

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。