論文の概要: DyFrDet: Towards Accurate Small Object Detection via Dynamic Frequency Suppression with Label Disambiguation

• arxiv url: http://arxiv.org/abs/2608.02495v1
• Date: Mon, 03 Aug 2026 17:01:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.720601
• Title: DyFrDet: Towards Accurate Small Object Detection via Dynamic Frequency Suppression with Label Disambiguation
• Title（参考訳）: DyFrDet: ラベルの曖昧さを考慮した動的周波数抑圧による高精度小物体検出を目指して
• Authors: Zihan Yang, Yang Guo, Hongxing Zhang, Dan Lu, Siyuan Yao,
• Abstract要約: DyFrDetと呼ばれる小さな物体検出(SOD)検出器は、周波数領域の背景散乱を動的に抑制することで、小さな物体を正確に位置決めすることができる。 DyFrDetは、複数のベンチマークで最先端のパフォーマンスを実現し、さまざまな挑戦的なシナリオにおいて、その有効性と堅牢性を示している。
• 参考スコア（独自算出の注目度）: 8.924043473781376
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the remarkable progress over the past decades, accurately identifying small objects remains challenging because of their insufficient visual cues. Previous works typically attempt to construct discriminative representation of the small objects. However, the wide range frequency domain noises and label ambiguities have been greatly overlooked, which significantly hinders the accurate localization. To address these issues, we propose a novel small object detection (SOD) detector termed DyFrDet, which is able to precisely localize the small object by dynamically suppressing the background distractions in frequency domain. Specifically, we propose a Dynamic Frequency-aware Feature Pyramid Network (DyFrFPN) to adaptively suppress low-frequency redundancy and excessive high-frequency noises. The DyFrFPN transforms the hierarchical features into frequency domain representation, and introduces a Dynamic Band Predictor (DBP) to preserve the discriminative components for small object identification. Afterwards, we present a novel Label Disambiguation Module (LDM), which leverages probabilistic distributions to explicitly model and alleviate the inherent ambiguity of target labels, yielding efficient improvement in localization precision of the small objects with low-resolution. Extensive experiments demonstrate that DyFrDet achieves state-of-the-art performance across multiple benchmarks, indicating its effectiveness and robustness in various challenging scenarios. Our code is available at https://github.com/ManOfStory/DyFrDet.
• Abstract（参考訳）: 過去数十年の顕著な進歩にもかかわらず、視力不足のため、小さな物体を正確に識別することは依然として困難である。 以前の研究は通常、小さな対象の識別的表現を構築しようとする。 しかし、広帯域周波数領域のノイズやラベルの曖昧さは大きく見落とされ、正確な位置決めを著しく妨げている。 このような問題に対処するために,DyFrDetと呼ばれる新しい小型物体検出器を提案する。 具体的には、低周波冗長性と過度な高周波雑音を適応的に抑制する動的周波数対応特徴ピラミッドネットワーク(DyFrFPN)を提案する。 DyFrFPNは階層的特徴を周波数領域表現に変換し、小さなオブジェクト識別のための識別コンポーネントを保持するために動的帯域予測器(DBP)を導入する。 その後,低解像度の小型物体の局所化精度を向上し,確率分布を利用して対象ラベルの固有曖昧性を明示的にモデル化し,緩和する新しいラベル曖昧化モジュール(LDM)を提案する。 大規模な実験により、DyFrDetは複数のベンチマークで最先端のパフォーマンスを実現し、様々な挑戦的なシナリオにおけるその有効性と堅牢性を示している。 私たちのコードはhttps://github.com/ManOfStory/DyFrDet.comで利用可能です。

関連論文リスト

• Adaptive Spectrum-Aware Feature Disentangled Network for Small Object Detection [14.013694876435123]
  小型物体検出はコンピュータビジョンの基本的な問題であるが、難しい問題である。 近年のアプローチは目覚ましい進歩を遂げているが、異なる周波数スペクトルの背景散乱器は依然として性能を低下させている。 本研究では,SFDNetと呼ばれる小型物体検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-27T17:51:29Z)
• Noise-Robust Tiny Object Localization with Flows [63.60972031108944]
  フレキシブルなエラーモデリングと不確実性誘導最適化に正規化フローを活用するノイズローバストローカライゼーションフレームワークを提案する。 本手法は,フローベース誤差モデルを用いて,複雑な非ガウス予測分布を抽出し,ノイズの多い監視下で頑健な学習を可能にする。 不確実性を考慮した勾配変調機構は、トレーニングを安定化しながら過度な適合を緩和し、高不確実でノイズの強いサンプルからの学習をさらに抑制する。
  論文  参考訳（メタデータ） (2026-01-02T09:16:55Z)
• Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization [60.899082019130766]
  本稿では、フレームレベル検出ネットワーク(FDN)と、音声の時間的偽造検出とローカライゼーションのための改良ネットワーク(PRN)を提案する。 FDNは、偽のフレーム間で情報的不整合の手がかりを抽出し、偽の領域を大まかに示すのに有用な識別的特徴を得る。 PRNは、FDNから派生した粗粒度の提案を洗練するために、信頼スコアと回帰オフセットを予測する責任がある。
  論文  参考訳（メタデータ） (2024-07-23T15:07:52Z)
• DenoDet: Attention as Deformable Multi-Subspace Feature Denoising for Target Detection in SAR Images [20.11145540094807]
  本稿では、畳み込みバイアスを校正し、高周波により多くの注意を払うために、明示的な周波数領域変換によって支援されるネットワークを提案する。 変換領域ソフトしきい値処理を行う動的周波数領域アテンションモジュールであるTransDenoを設計する。 プラグアンドプレイのTransDenoは、複数のSARターゲット検出データセットに対して最先端のスコアを設定する。
  論文  参考訳（メタデータ） (2024-06-05T01:05:26Z)
• Robust Tiny Object Detection in Aerial Images amidst Label Noise [50.257696872021164]
  本研究は,ノイズラベル管理下での微小物体検出の問題に対処する。 本稿では,DN-TOD(Denoising Tiny Object Detector)を提案する。 本手法は,1段と2段の両方のオブジェクト検出パイプラインにシームレスに統合できる。
  論文  参考訳（メタデータ） (2024-01-16T02:14:33Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Frequency Perception Network for Camouflaged Object Detection [51.26386921922031]
  周波数領域のセマンティック階層によって駆動される新しい学習可能かつ分離可能な周波数知覚機構を提案する。 ネットワーク全体では、周波数誘導粗い局所化ステージと細部保存の微細局在化ステージを含む2段階モデルを採用している。 提案手法は,既存のモデルと比較して,3つのベンチマークデータセットにおいて競合性能を実現する。
  論文  参考訳（メタデータ） (2023-08-17T11:30:46Z)
• Identification of Novel Classes for Improving Few-Shot Object Detection [12.013345715187285]
  Few-shot Object Detection (FSOD) メソッドは、クラス毎に少数のトレーニングサンプルのみを使用して、堅牢なオブジェクト検出を実現することで、改善を提供する。 我々は、FSOD性能を向上させるためのトレーニング中に、未ラベルの新規物体を正のサンプルとして検出し、利用するための半教師付きアルゴリズムを開発した。 実験の結果,本手法は既存のSOTA FSOD法よりも有効であり,優れた結果が得られた。
  論文  参考訳（メタデータ） (2023-03-18T14:12:52Z)
• DINF: Dynamic Instance Noise Filter for Occluded Pedestrian Detection [0.0]
  RCNNベースの歩行者検出器は、矩形領域を使用してインスタンスの特徴を抽出する。 重なり合うオブジェクトの数とわずかに重なり合うオブジェクトの数は不均衡である。 RCNNをベースとした歩行者検知器の信号雑音比を改善するために, 繰り返し動的インスタンスノイズフィルタ (DINF) を提案する。
  論文  参考訳（メタデータ） (2023-01-13T14:12:36Z)

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。