Fugu-MT 論文翻訳(概要): Object Detection and Tracking

論文の概要: Object Detection and Tracking

arxiv url: http://arxiv.org/abs/2502.10310v1
Date: Fri, 14 Feb 2025 17:13:52 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-17 14:48:06.075968
Title: Object Detection and Tracking
Title（参考訳）: 物体検出と追跡
Authors: Md Pranto, Omar Faruk,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Efficient and accurate object detection is an important topic in the development of computer vision systems. With the advent of deep learning techniques, the accuracy of object detection has increased significantly. The project aims to integrate a modern technique for object detection with the aim of achieving high accuracy with real-time performance. The reliance on other computer vision algorithms in many object identification systems, which results in poor and ineffective performance, is a significant obstacle. In this research, we solve the end-to-end object detection problem entirely using deep learning techniques. The network is trained using the most difficult publicly available dataset, which is used for an annual item detection challenge. Applications that need object detection can benefit the system's quick and precise finding.
Abstract（参考訳）: 効率的かつ正確な物体検出は、コンピュータビジョンシステムの開発において重要なトピックである。深層学習技術の出現に伴い,物体検出の精度は著しく向上した。このプロジェクトは、オブジェクト検出の最新の技術を統合することを目的としており、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。多くのオブジェクト識別システムにおける他のコンピュータビジョンアルゴリズムへの依存は、貧弱で非効率な性能をもたらすが、大きな障害である。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。このネットワークは、最も難しい公開データセットを使用してトレーニングされている。オブジェクト検出を必要とするアプリケーションは、システムの迅速かつ正確な発見に役立ちます。

関連論文リスト

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)
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)
Fast and Accurate Object Detection on Asymmetrical Receptive Field [0.0]
本稿では,物体検出精度を受容場の変化の観点から改善する手法を提案する。 YOLOv5の頭部の構造は、非対称なプール層を付加することによって改変される。本稿では, 従来の YOLOv5 モデルと比較し, いくつかのパラメータから解析する。
論文参考訳（メタデータ） (2023-03-15T23:59:18Z)
Hybrid Optimized Deep Convolution Neural Network based Learning Model for Object Detection [0.0]
物体の識別はコンピュータビジョンにおける最も基本的で難しい問題の1つである。近年,ディープラーニングに基づく物体検出技術が大衆の関心を集めている。本研究では,自律型物体検出システムを構築するために,独自のディープラーニング分類手法を用いる。提案するフレームワークは検出精度0.9864であり、現在の技術よりも高い。
論文参考訳（メタデータ） (2022-03-02T04:39:37Z)
Contrastive Object Detection Using Knowledge Graph Embeddings [72.17159795485915]
一つのホットアプローチで学習したクラス埋め込みの誤差統計と、自然言語処理や知識グラフから意味的に構造化された埋め込みを比較した。本稿では,キーポイントベースおよびトランスフォーマーベースオブジェクト検出アーキテクチャの知識埋め込み設計を提案する。
論文参考訳（メタデータ） (2021-12-21T17:10:21Z)
Inverting and Understanding Object Detectors [15.207501110589924]
本稿では,最新の物体検出法を理解し,レイアウトインバージョンに対する最適化に基づくアプローチを開発するために,インバージョンを主要なツールとして用いることを提案する。我々は, 種々の現代の物体検出器にレイアウト反転技術を適用して, 検出器の興味深い特性を明らかにした。
論文参考訳（メタデータ） (2021-06-26T03:31:59Z)
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)
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)
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)
FairMOT: On the Fairness of Detection and Re-Identification in Multiple Object Tracking [92.48078680697311]
マルチオブジェクトトラッキング(MOT)はコンピュータビジョンにおいて重要な問題である。本稿では,FairMOTと呼ばれる,アンカーフリーなオブジェクト検出アーキテクチャCenterNetをベースとした,シンプルかつ効果的なアプローチを提案する。このアプローチは、検出と追跡の両方において高い精度を達成する。
論文参考訳（メタデータ） (2020-04-04T08:18:00Z)

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。