Fugu-MT 論文翻訳(概要): Improving Object Detection Performance through YOLOv8: A Comprehensive Training and Evaluation Study

論文の概要: Improving Object Detection Performance through YOLOv8: A Comprehensive Training and Evaluation Study

arxiv url: http://arxiv.org/abs/2505.11424v1
Date: Fri, 16 May 2025 16:38:01 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-19 14:36:15.66656
Title: Improving Object Detection Performance through YOLOv8: A Comprehensive Training and Evaluation Study
Title（参考訳）: YOLOv8によるオブジェクト検出性能の向上: 総合的学習と評価研究
Authors: Rana Poureskandar, Shiva Razzagzadeh,
Abstract要約: 本研究は,顔画像中のしわの検出とセグメント化のためのYOLOv8に基づくセグメンテーションモデルの性能評価を行った。その結果, YOLOv8をベースとしたセグメント化モデルは, 顔画像のしわの検出とセグメント化に有効なツールであることが示唆された。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This study evaluated the performance of a YOLOv8-based segmentation model for detecting and segmenting wrinkles in facial images.
Abstract（参考訳）: 本研究は,顔画像中のしわの検出とセグメント化のためのYOLOv8に基づくセグメンテーションモデルの性能評価を行った。

関連論文リスト

Comparative Analysis of Advanced AI-based Object Detection Models for Pavement Marking Quality Assessment during Daytime [1.429194094685726]
本稿では,You Only Look Once (YOLO) モデルを用いて,昼間の舗装のマーキング品質を検出することに焦点を当てた。 YOLOv8m、YOLOv8n、YOLOv8xの3種類が使用された。その結果, YOLOv8nは精度と計算効率のバランスが良いことがわかった。
論文参考訳（メタデータ） (2025-03-14T02:06:46Z)
Cutting-Edge Detection of Fatigue in Drivers: A Comparative Study of Object Detection Models [0.0]
本研究は, YOLOv5, YOLOv6, YOLOv7, YOLOv8を含む, 近代的な物体検出アルゴリズムに基づく疲労検出システムの開発について述べる。これらのモデルの性能を比較することで,運転者の疲労関連行動のリアルタイム検出の有効性を評価する。この研究は、環境変動や検出精度といった課題に対処し、リアルタイム検出を強化するロードマップを提案する。
論文参考訳（メタデータ） (2024-10-19T08:06:43Z)
Innovative Deep Learning Techniques for Obstacle Recognition: A Comparative Study of Modern Detection Algorithms [0.0]
本研究では,高度なYOLOモデル,特にYOLOv8,YOLOv7,YOLOv6,YOLOv5を用いた障害物検出の包括的アプローチについて検討する。その結果, YOLOv8は精度が向上し, 精度が向上した。
論文参考訳（メタデータ） (2024-10-14T02:28:03Z)
What is YOLOv8: An In-Depth Exploration of the Internal Features of the Next-Generation Object Detector [0.0]
本研究では, YOLOv8オブジェクト検出モデルの詳細解析を行った。 YOLOv5のような以前のイテレーションよりもアーキテクチャ、トレーニングテクニック、パフォーマンスの改善に重点を置いている。論文では、Microsoft COCOやRoboflow 100のようなベンチマークにおけるYOLOv8のパフォーマンスをレビューし、その高精度でリアルタイムな機能を強調している。
論文参考訳（メタデータ） (2024-08-28T15:18:46Z)
MOODv2: Masked Image Modeling for Out-of-Distribution Detection [57.17163962383442]
本研究は,様々なOODスコア関数を用いて,個別の事前学習課題について検討する。当社のフレームワークMOODv2は,14.30%のAUROCをImageNetで95.68%に向上し,CIFAR-10で99.98%を達成した。
論文参考訳（メタデータ） (2024-01-05T02:57:58Z)
PartMix: Regularization Strategy to Learn Part Discovery for Visible-Infrared Person Re-identification [76.40417061480564]
本稿では、パートベース可視赤外線人物再識別(VI-ReID)モデルに対して、PartMixと呼ばれる新しいデータ拡張手法を提案する。部分記述子をモダリティに混合することにより、拡張サンプルを合成し、パートベースVI-ReIDモデルの性能を向上させる。
論文参考訳（メタデータ） (2023-04-04T05:21:23Z)
Evaluation of Self-taught Learning-based Representations for Facial Emotion Recognition [62.30451764345482]
この研究は、顔の感情認識のための自己学習の概念を通じて得られた教師なし表現を生成するための様々な戦略を記述する。このアイデアは、オートエンコーダの初期化、アーキテクチャ、トレーニングデータを変化させることで、多様性を促進する補完的な表現を作ることである。 Jaffe と Cohn-Kanade のデータセットに対する残余のサブジェクトアウトプロトコルによる実験結果から,提案した多種多様な表現に基づく FER 手法が最先端のアプローチと好適に比較できることが示唆された。
論文参考訳（メタデータ） (2022-04-26T22:48:15Z)
FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in the Wild [50.8865921538953]
年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。提案手法は,既存の年齢推定手法を常に上回っていることを示す。
論文参考訳（メタデータ） (2021-06-21T14:31:32Z)
VinVL: Revisiting Visual Representations in Vision-Language Models [96.39332942534368]
画像のオブジェクト中心表現を提供するための改良されたオブジェクト検出モデルを開発した。新しい視覚機能は、すべての視覚言語(VL)タスクのパフォーマンスを大幅に改善する。新しいオブジェクト検出モデルを公開します。
論文参考訳（メタデータ） (2021-01-02T23:35:27Z)
Distilling Localization for Self-Supervised Representation Learning [82.79808902674282]
コントラスト学習は教師なし表現学習に革命をもたらした。現在のコントラストモデルでは、前景オブジェクトのローカライズには効果がない。本稿では,背景変化を学習するためのデータ駆動型手法を提案する。
論文参考訳（メタデータ） (2020-04-14T16:29:42Z)

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。