論文の概要: A Full-Stage Refined Proposal Algorithm for Suppressing False Positives in Two-Stage CNN-Based Detection Methods

• arxiv url: http://arxiv.org/abs/2508.01382v1
• Date: Sat, 02 Aug 2025 14:25:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 18:25:21.850296
• Title: A Full-Stage Refined Proposal Algorithm for Suppressing False Positives in Two-Stage CNN-Based Detection Methods
• Title（参考訳）: 2段階CNNに基づく検出法における偽陽性の抑制のためのフルステップ修正提案アルゴリズム
• Authors: Qiang Guo, Rubo Zhang, Bingbing Zhang, Junjie Liu, Jianqing Liu,
• Abstract要約: 本稿では,2段階CNNに基づく歩行者検出フレームワークにおいて,偽陽性を除去することを目的としたフルステージ改良提案(FRP)アルゴリズムを提案する。 複数のベンチマークとSY-Metroデータセットで実施された様々な実験により、FRPアルゴリズムの異なる組み合わせによって支持されたモデルが、様々な範囲で偽陽性を効果的に排除できることが示されている。
• 参考スコア（独自算出の注目度）: 8.92097883582772
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: False positives in pedestrian detection remain a challenge that has yet to be effectively resolved. To address this issue, this paper proposes a Full-stage Refined Proposal (FRP) algorithm aimed at eliminating these false positives within a two-stage CNN-based pedestrian detection framework. The main innovation of this work lies in employing various pedestrian feature re-evaluation strategies to filter out low-quality pedestrian proposals during both the training and testing stages. Specifically, in the training phase, the Training mode FRP algorithm (TFRP) introduces a novel approach for validating pedestrian proposals to effectively guide the model training process, thereby constructing a model with strong capabilities for false positive suppression. During the inference phase, two innovative strategies are implemented: the Classifier-guided FRP (CFRP) algorithm integrates a pedestrian classifier into the proposal generation pipeline to yield high-quality proposals through pedestrian feature evaluation, and the Split-proposal FRP (SFRP) algorithm vertically divides all proposals, sending both the original and the sub-region proposals to the subsequent subnetwork to evaluate their confidence scores, filtering out those with lower sub-region pedestrian confidence scores. As a result, the proposed algorithm enhances the model's ability to suppress pedestrian false positives across all stages. Various experiments conducted on multiple benchmarks and the SY-Metro datasets demonstrate that the model, supported by different combinations of the FRP algorithm, can effectively eliminate false positives to varying extents. Furthermore, experiments conducted on embedded platforms underscore the algorithm's effectiveness in enhancing the comprehensive pedestrian detection capabilities of the small pedestrian detector in resource-constrained edge devices.
• Abstract（参考訳）: 歩行者検出における偽陽性は、まだ効果的に解決されていない課題である。 そこで本研究では,2段階CNNに基づく歩行者検出フレームワークにおいて,これらの偽陽性を除去することを目的としたフルステージ改良提案(FRP)アルゴリズムを提案する。 この研究の主な革新は、訓練段階と試験段階の両方において、低品質の歩行者提案をフィルタリングするために、様々な歩行者機能の再評価戦略を採用することである。 具体的には, トレーニング段階において, TFRPアルゴリズムは, 歩行者の提案を検証し, モデルトレーニングプロセスを効果的に指導する手法を導入し, 偽陽性抑制のための強力なモデルを構築する。 提案手法は, 歩行者特徴評価により, 歩行者分類器を提案生成パイプラインに統合し, 歩行者特徴評価により高品質な提案を出力し, スプリット・プロポサル・FRP (SFRP) アルゴリズムは全ての提案を垂直に分割し, 元の提案とサブリージョンの提案の両方を後続のサブネットに送信し, 信頼度評価を行い, 下位の歩行者信頼度スコアの低い提案をフィルタリングする。 その結果,提案アルゴリズムは,全段階にわたって歩行者の偽陽性を抑える能力を向上させる。 複数のベンチマークとSY-Metroデータセットで実施された様々な実験により、FRPアルゴリズムの異なる組み合わせによって支持されたモデルが、様々な範囲で偽陽性を効果的に排除できることが示されている。 さらに, 組込みプラットフォーム上で実施した実験は, 資源制約エッジデバイスにおける小型歩行者検知器の包括的歩行者検出能力を高めるアルゴリズムの有効性を裏付けるものである。

関連論文リスト

• Achieving $\widetilde{\mathcal{O}}(\sqrt{T})$ Regret in Average-Reward POMDPs with Known Observation Models [56.92178753201331]
  平均逆無限水平POMDPを未知の遷移モデルで扱う。 この障壁を克服する斬新でシンプルな推定器を提示する。
  論文  参考訳（メタデータ） (2025-01-30T22:29:41Z)
• Provably Mitigating Overoptimization in RLHF: Your SFT Loss is Implicitly an Adversarial Regularizer [52.09480867526656]
  人間の嗜好を学習する際の分布変化と不確実性の一形態として,不一致の原因を同定する。 過度な最適化を緩和するために、まず、逆選択された報酬モデルに最適なポリシーを選択する理論アルゴリズムを提案する。 報奨モデルとそれに対応する最適ポリシーの等価性を用いて、優先最適化損失と教師付き学習損失を組み合わせた単純な目的を特徴とする。
  論文  参考訳（メタデータ） (2024-05-26T05:38:50Z)
• A PST Algorithm for FPs Suppression in Two-stage CNN Detection Methods [2.288618928064061]
  本稿では,歩行者と歩行者以外のサンプルを識別する2段階CNN検出手法の学習を支援するために,歩行者に敏感な学習アルゴリズムを提案する。 提案アルゴリズムの助けを借りて,より小型で高精度なメトロ旅客検出器であるMetroNextの検出精度がさらに向上した。
  論文  参考訳（メタデータ） (2024-05-24T08:26:14Z)
• Deep Learning Meets Adaptive Filtering: A Stein's Unbiased Risk Estimator Approach [13.887632153924512]
  本稿では,Deep RLSとDeep EASIというタスクベースのディープラーニングフレームワークを紹介する。 これらのアーキテクチャは、元のアルゴリズムの繰り返しをディープニューラルネットワークの層に変換し、効率的なソース信号推定を可能にする。 性能をさらに向上するために、我々は、スタインの非バイアスリスク推定器(SURE)に基づく代理損失関数を用いた、これらの深層無ロールネットワークのトレーニングを提案する。
  論文  参考訳（メタデータ） (2023-07-31T14:26:41Z)
• Thompson sampling for improved exploration in GFlowNets [75.89693358516944]
  生成フローネットワーク(Generative Flow Networks, GFlowNets)は、合成対象物上の分布からのサンプリングを、学習可能なアクションポリシーを用いたシーケンシャルな意思決定問題として扱う、アモータイズされた変分推論アルゴリズムである。 2つの領域において、TS-GFNは、過去の研究で使われたオフ・ポリティクス・サーベイ・ストラテジーよりも、探索を改善し、目標分布への収束を早くすることを示す。
  論文  参考訳（メタデータ） (2023-06-30T14:19:44Z)
• Stochastic Unrolled Federated Learning [85.6993263983062]
  本稿では,UnRolled Federated Learning (SURF)を導入する。 提案手法は,この拡張における2つの課題,すなわち,非学習者へのデータセット全体の供給の必要性と,フェデレート学習の分散的性質に対処する。
  論文  参考訳（メタデータ） (2023-05-24T17:26:22Z)
• The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
  本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。 FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。 我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
  論文  参考訳（メタデータ） (2023-03-17T02:01:11Z)
• Online Active Proposal Set Generation for Weakly Supervised Object Detection [41.385545249520696]
  弱い教師付きオブジェクト検出メソッドはイメージレベルのアノテーションのみを必要とする。 オンライン提案サンプリングはこれらの問題に対する直感的な解決策である。 提案アルゴリズムは, PASCAL VOC 2007 と 2012 の両データセットに対して一貫した, 有意な改善を示した。
  論文  参考訳（メタデータ） (2021-01-20T02:20:48Z)
• RRPN++: Guidance Towards More Accurate Scene Text Detection [0.30458514384586394]
  本稿では, RRPN ベースのモデルの可能性を活用するために RRPN++ を提案する。 RRPNに基づいて、第1段階の提案を生成するために、アンカーフリーピラミッド提案ネットワーク(APPN)を提案する。 第2段階では、検出部と認識部の両方を組み込んでマルチタスク学習を行う。
  論文  参考訳（メタデータ） (2020-09-28T08:00:35Z)
• AP-Loss for Accurate One-Stage Object Detection [49.13608882885456]
  一段階の物体検出器は、分類損失と局所化損失を同時に最適化することによって訓練される。 前者は、多数のアンカーのため、非常に前景と後方のアンカーの不均衡に悩まされる。 本稿では,一段検知器の分類タスクをランキングタスクに置き換える新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2020-08-17T13:22:01Z)

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。