論文の概要: When Does Sliced Inference Pay Off? Resolution, Tiling and Dense Fusion for Small Object Detection
- arxiv url: http://arxiv.org/abs/2611.12657v3
- Date: Wed, 11 Nov 2026 09:56:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:32.89062
- Title: When Does Sliced Inference Pay Off? Resolution, Tiling and Dense Fusion for Small Object Detection
- Title(参考訳): スライス推論はいつ有効か? 小物体検出のための分解能, タイリング, デンス融合
- Abstract要約: VisDroneとDOTAの4種類の密度検出器を比較した。
VisDroneでは、より高い解像度で訓練された1つのパスが、ボックス融合でタイリングよりも優れている。
SCAHIを導入し、すべてのパスの高密度な出力を重み付きで蓄積し、すべてのイメージ位置を同じカバレッジにします。
- 参考スコア(独自算出の注目度): 2.683233968306505
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sliced inference such as SAHI is the standard remedy for small objects in high-resolution imagery, but its gains are usually measured against low-resolution baselines. We revisit sliced inference with scale as the explicit variable and ask when tiling actually pays off. We compare seven dense detectors from four families on VisDrone and DOTA, under pre-specified hypotheses, calibration-only tuning and a single evaluation on held-out test data. Two findings emerge. First, much of the benefit attributed to slicing is a resolution effect: on VisDrone, a single pass trained at a higher resolution outperforms tiling with box fusion (merging decoded boxes) for every detector that could be trained at that resolution, and at equal compute a higher resolution helps more than a larger model. Second, tiles carry complementary information that box fusion wastes. We introduce SCAHI (Slicing with Coverage-Aware Hyper Inference), which accumulates the dense outputs of all passes with weights that give every image position the same total coverage, and reads objects off a peak grid fine enough to keep crowded neighbours apart. On identical passes, SCAHI outperforms box fusion for every YOLO detector on both datasets and matches it for FCOS. On DOTA, whose images far exceed the resolution a single pass can be trained at, tiles with SCAHI beat the best single pass for every detector, by 4.3 to 5.6 mAP50 at 2048 px, and replacing only SAHI's merge step by SCAHI adds 2.3 to 4.0 mAP50. An ablation attributes the gain to the border weighting and the resolution of the peak grid. Source code is available at https://github.com/beckerio/scahi.
- Abstract(参考訳): SAHIのようなスライス推論は、高解像度画像における小さな物体の標準的な治療法であるが、その利得は通常、低解像度のベースラインに対して測定される。
私たちは、明示的な変数としてスケールで推論をスライスし、タイリングが実際に支払ったかどうかを尋ねます。
VisDrone と DOTA の 4 種類の高密度検出器を,所定の仮説,キャリブレーションのみのチューニング,ホールドアウト試験データの単一評価の下で比較した。
2つの発見がある。
VisDroneでは、高解像度でトレーニングされた1つのパスは、その解像度でトレーニングできるすべての検出器に対して、ボックス融合(デコードされたボックスをマージする)でタイリングよりも優れている。
第二に、タイルは融合廃棄物を箱詰めする補完的な情報を運ぶ。
SCAHI(Slicing with Coverage-Aware Hyper Inference)を導入し、すべての画像位置が同じカバレッジを持つように、すべてのパスの高密度な出力を蓄積する。
同一のパスでは、SCAHIは両方のデータセット上のすべてのYOLO検出器のボックス融合より優れており、FCOSと一致している。
DOTAでは、1回のパスで訓練できる解像度をはるかに超え、SCAHIのタイルは各検出器で最高のシングルパスを4.3から5.6mAP50を2048pxで破り、SCAHIによるSAHIのマージステップのみを2.3から4.0mAP50に置き換えた。
アブレーションは、ピークグリッドのバウンダリ重み付けと解像度に起因する。
ソースコードはhttps://github.com/beckerio/scahi.comで入手できる。
関連論文リスト
- FETALFusion: Resolution-Aware State-Space Modeling for Multi-Domain Fetal Head Segmentation [22.643964229988267]
胎児頭部分節のためのデュアルパスCNN-MambaエンコーダであるFETALFusionを提案する。
4方向のステートスペーススキャンを2つの高解像度ステージでのみ適用する。
FETALFusionのDiceスコアは0.963、HD95は2.10mmで、テスト時間拡張やドメインラベルはない。
論文 参考訳(メタデータ) (2026-10-13T08:35:30Z) - S4R: Scaling for Rigid-Body Interpenetration Resolution [77.64742259295664]
静的相互接続修復のためのスケール継続法であるS4Rを提案する。
メッシュレベルの共有評価器とシーン毎の統一タイミングプロトコルを用いて,Kubric,HY3D-Bench,Thingi10K上のS4Rを評価する。
論文 参考訳(メタデータ) (2026-09-17T15:02:45Z) - Solve for the Hyperparameter, Skip the Search: Kolmogorov-Optimal Scaling Laws for Spline Regression [0.0]
クローズドな形での最適解法は、徹底的な探索が到達した精度を計算のごく一部で解くことができる。
KOREは2つのパイロット解像度に適合し、バイアスとノイズスケールのレバレッジ校正された2x2システムを解く。
論文 参考訳(メタデータ) (2026-06-22T16:41:10Z) - Adaptive Slicing-Assisted Hyper Inference for Enhanced Small Object Detection in High-Resolution Imagery [6.357863553117842]
高解像度の空中・衛星画像における小さな物体検出は、重大な課題を引き起こす。
高解像度画像を管理可能なパッチに分割する既存のスライシング戦略は、小さなターゲットの効果的な受容領域を拡大する有望な結果を示している。
画像解像度に応じて最適なスライス数を適応的に決定するために、固定スライスサイズを規定するパラダイムをシフトする新しいスライスフレームワークであるtextbf Slicing-Assisted Hyper Inference()を提案する。
論文 参考訳(メタデータ) (2026-04-21T08:36:51Z) - CLUE: Non-parametric Verification from Experience via Hidden-State Clustering [64.50919789875233]
隠れアクティベーションの軌跡内の幾何的に分離可能なシグネチャとして解の正しさが符号化されていることを示す。
ClUE は LLM-as-a-judge ベースラインを一貫して上回り、候補者の再選において近代的な信頼に基づく手法に適合または超えている。
論文 参考訳(メタデータ) (2025-10-02T02:14:33Z) - Large Language Monkeys: Scaling Inference Compute with Repeated Sampling [81.34900892130929]
モデルから候補解を繰り返しサンプリングする簡単な手法を用いて、推論計算をスケーリングのための別の軸として検討する。
複数のタスクやモデルにまたがって、カバレッジは4桁以上のサンプル数でスケールする。
コードや形式的証明のようなドメインでは、回答が自動的に検証されるので、カバレッジの増加は直接的にパフォーマンスの向上につながります。
論文 参考訳(メタデータ) (2024-07-31T17:57:25Z) - Progressive Multi-resolution Loss for Crowd Counting [126.01887803981619]
一つの解像度で密度マップを推定するが、複数の解像度で密度マップを計測する。
数学的に一分解能L2損失よりも優れていることを証明する。
論文 参考訳(メタデータ) (2022-12-08T07:55:13Z) - Embracing Single Stride 3D Object Detector with Sparse Transformer [63.179720817019096]
自律走行のためのLiDARを用いた3次元物体検出では、物体サイズと入力シーンサイズとの比が2次元検出の場合に比べて有意に小さい。
多くの3D検出器は2D検出器の一般的な慣習に従っており、点雲の定量化後も特徴マップを分解する。
本稿では,SST(Single-stride Sparse Transformer)を提案する。
論文 参考訳(メタデータ) (2021-12-13T02:12:02Z) - MogFace: Rethinking Scale Augmentation on the Face Detector [17.570686622370403]
本研究では,画像の前景情報と後景情報とスケール情報を含む先行ソリューションの違いについて検討する。
本稿では,これらの2つの情報を効率的に同時に同化できるSSE戦略を提案する。
本手法は,すべての顔検出ベンチマークにおける最先端検出性能を実現する。
論文 参考訳(メタデータ) (2021-03-20T09:17:04Z)
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。