論文の概要: Corner2Net: Detecting Objects as Cascade Corners

• arxiv url: http://arxiv.org/abs/2411.15772v1
• Date: Sun, 24 Nov 2024 10:04:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-26 14:20:52.769082
• Title: Corner2Net: Detecting Objects as Cascade Corners
• Title（参考訳）: Corner2Net: カスケードコーナーとしてオブジェクトを検出する
• Authors: Chenglong Liu, Jintao Liu, Haorao Wei, Jinze Yang, Liangyu Xu, Yuchen Guo, Lu Fang,
• Abstract要約: コーナーベースの検出パラダイムは、高品質なボックスを作成する可能性を享受する。 ヒューリスティックコーナーマッチングアルゴリズムは間違ったボックスにつながる可能性がある。 我々はCorner2Netという新しいコーナーベースのフレームワークを構築した。
• 参考スコア（独自算出の注目度）: 25.478007408540513
• License:
• Abstract: The corner-based detection paradigm enjoys the potential to produce high-quality boxes. But the development is constrained by three factors: 1) Hard to match corners. Heuristic corner matching algorithms can lead to incorrect boxes, especially when similar-looking objects co-occur. 2) Poor instance context. Two separate corners preserve few instance semantics, so it is difficult to guarantee getting both two class-specific corners on the same heatmap channel. 3) Unfriendly backbone. The training cost of the hourglass network is high. Accordingly, we build a novel corner-based framework, named Corner2Net. To achieve the corner-matching-free manner, we devise the cascade corner pipeline which progressively predicts the associated corner pair in two steps instead of synchronously searching two independent corners via parallel heads. Corner2Net decouples corner localization and object classification. Both two corners are class-agnostic and the instance-specific bottom-right corner further simplifies its search space. Meanwhile, RoI features with rich semantics are extracted for classification. Popular backbones (e.g., ResNeXt) can be easily connected to Corner2Net. Experimental results on COCO show Corner2Net surpasses all existing corner-based detectors by a large margin in accuracy and speed.
• Abstract（参考訳）: コーナーベースの検出パラダイムは、高品質なボックスを作成する可能性を享受する。 しかし、開発には3つの要因がある。 1)角に合うのが難しい。 ヒューリスティックコーナーマッチングアルゴリズムは、特に類似のオブジェクトが共起している場合、不正なボックスにつながる可能性がある。 2) インスタンスコンテキストの低さ。 2つの別々のコーナーはインスタンスのセマンティクスをほとんど保持しないため、2つのクラス固有のコーナーを同一のヒートマップチャネルで得ることは保証できない。 3) 親しみのないバックボーン。 時間ガラスネットワークのトレーニングコストは高い。 そこで我々はCorner2Netという新しいコーナーベースのフレームワークを構築した。 コーナーマッチングのない手法を実現するために、並列ヘッドを介して2つの独立したコーナーを同期的に検索するのではなく、2ステップで関連するコーナーペアを段階的に予測するカスケードコーナーパイプラインを考案した。 Corner2Netは、コーナローカライゼーションとオブジェクト分類を分離する。 2つのコーナーはクラスに依存しず、インスタンス固有のボトム右コーナーは検索空間をさらに単純化する。 一方、リッチなセマンティクスを持つRoI機能は分類のために抽出される。 一般的なバックボーン(例えばResNeXt)はCorner2Netに簡単に接続できる。 COCOの実験結果によると、Corner2Netは既存のすべての角型検出器を精度と速度の大きなマージンで上回っている。

関連論文リスト

• Point2RBox-v2: Rethinking Point-supervised Oriented Object Detection with Spatial Layout Among Instances [50.80161958767447]
  ここでは,P2RBox-v2という,点教師付きOOD学習インスタンス間の空間的レイアウトを探索する手法を提案する。 私たちのソリューションはエレガントで軽量ですが、特に密集したシーンでは、競争力のあるパフォーマンスが期待できます。
  論文  参考訳（メタデータ） (2025-02-06T18:07:25Z)
• Anchor-Intermediate Detector: Decoupling and Coupling Bounding Boxes for Accurate Object Detection [7.216931644655777]
  本稿では,この推論におけるtextbfBox Deouple-Couple(BDC)戦略を提案する。 各コーナーのスコアに従って、最も正確なコーナーペアを選択するためにコーナーポイントをペアリングする。 コーナー認識ヘッドは、各バウンディングボックスのコーナーをスコアし、コーナーポイント間のカップリングを容易にする。
  論文  参考訳（メタデータ） (2023-10-09T12:35:05Z)
• CornerFormer: Boosting Corner Representation for Fine-Grained Structured Reconstruction [20.04081992616026]
  構造復元のための改良されたコーナー表現法を提案する。 隣接する角や小さな縁など、きめ細かい構造を再構築する方がよい。 コーナーでは+1.9%@F-1、エッジでは+3.0%@F-1である。
  論文  参考訳（メタデータ） (2023-04-14T11:51:26Z)
• H2RBox-v2: Incorporating Symmetry for Boosting Horizontal Box Supervised Oriented Object Detection [55.3948651109885]
  本稿では,H2RBox-v2を提案する。 我々の知る限り、H2RBox-v2は指向オブジェクト検出のための最初の対称性を意識した自己監督パラダイムである。
  論文  参考訳（メタデータ） (2023-04-10T06:11:40Z)
• H2RBox: Horizonal Box Annotation is All You Need for Oriented Object Detection [63.66553556240689]
  オブジェクト指向物体検出は、空中画像から自律運転に至るまで、多くの用途に現れる。 多くの既存の検出ベンチマークには水平バウンディングボックスがアノテートされているが、これはきめ細かな回転ボックスよりもコストが低い。 本稿では,H2RBoxと呼ばれる単純なオブジェクト指向検出手法を提案する。
  論文  参考訳（メタデータ） (2022-10-13T05:12:45Z)
• CenterNet++ for Object Detection [174.59360147041673]
  ボトムアップアプローチはトップダウンと同じくらい競争力があり、リコールも高くなります。 CenterNetと呼ばれる我々のアプローチは、各オブジェクトを三重項キーポイント(左上と右下)として検出する。 MS-COCOデータセットでは、Res2Net-101 と Swin-Transformer の CenterNet がそれぞれ 53.7% と 57.1% のAPを達成している。
  論文  参考訳（メタデータ） (2022-04-18T16:45:53Z)
• Crosslink-Net: Double-branch Encoder Segmentation Network via Fusing Vertical and Horizontal Convolutions [58.71117402626524]
  医用画像分割のための新しいダブルブランチエンコーダアーキテクチャを提案する。 1)正方形畳み込みカーネルによる特徴の識別をさらに改善する必要があるため,非正方形および水平畳み込みカーネルの利用を提案する。 実験では,4つのデータセット上でのモデルの有効性を検証した。
  論文  参考訳（メタデータ） (2021-07-24T02:58:32Z)
• SiamCorners: Siamese Corner Networks for Visual Tracking [39.43480791427431]
  シンプルで効果的なアンカーフリートラッカー(Siamese corner network, SiamCorners)を提案します。 ターゲットを角のペアとして追跡することにより、アンカーボックスを設計する必要性を避けます。 SiamCorners は NFS30 の 53.7% AUC と UAV123 の 61.4% AUC を達成している。
  論文  参考訳（メタデータ） (2021-04-15T08:23:30Z)
• Learning Geometry-Disentangled Representation for Complementary Understanding of 3D Object Point Cloud [50.56461318879761]
  3次元画像処理のためのGDANet(Geometry-Disentangled Attention Network)を提案する。 GDANetは、点雲を3Dオブジェクトの輪郭と平らな部分に切り離し、それぞれ鋭い変化成分と穏やかな変化成分で表される。 3Dオブジェクトの分類とセグメンテーションベンチマークの実験は、GDANetがより少ないパラメータで最先端の処理を実現していることを示している。
  論文  参考訳（メタデータ） (2020-12-20T13:35:00Z)
• General corner states in 2D SSH model with intracelluar next-nearest-neighbour hopping [0.0]
  コーナー・ステートは 角の周りにあるが コーナー・ポイントにはない だから 一般・コーナー・ステートと呼ぶ 我々は,一般コーナー状態がセルラーNNNホッピングによって誘導され,エッジ状態帯から分離されることを解析的に確認した。 我々の研究は、長距離相互作用によってユニークなコーナー状態を誘導する簡単な方法を示し、新しいフォトニックデバイスを設計する機会を提供する。
  論文  参考訳（メタデータ） (2020-03-30T12:38:03Z)
• MatrixNets: A New Scale and Aspect Ratio Aware Architecture for Object Detection [13.336574304251341]
  本稿では,オブジェクト検出のための新しいディープアーキテクチャであるMatrixNetsを紹介する。 xNetsは、同様のサイズとアスペクト比のオブジェクトを多くの特殊なレイヤにマッピングする。 xNetsを活用して、単一ステージのオブジェクト検出フレームワークを強化します。
  論文  参考訳（メタデータ） (2020-01-09T19:32:22Z)

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。