검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Improved Head and Data Augmentation to Reduce Artifacts at Grid Boundaries in Object Detection 객체 감지 시 그리드 경계에서 아티팩트를 줄이기 위해 향상된 헤드 및 데이터 확대

Shinji UCHINOURA, Takio KURITA

  • 조회수

    0

  • 이것을 인용

요약 :

1단계 객체 검출 방법에 대해 입력 영상의 수평 이동이 미치는 영향을 조사했습니다. 우리는 대상 물체 중심이 격자 경계에 있을 때 물체 탐지기 클래스 점수가 떨어지는 것을 발견했습니다. 많은 접근법은 시프트 불변성을 달성하기 위해 다운샘플링의 앨리어싱 효과를 줄이는 데 중점을 두었습니다. 그러나 다운샘플링은 그리드 경계에서 이 문제를 완전히 해결하지 못합니다. 그리드 경계에 가까운 픽셀의 특징이 인접한 그리드 셀로 분산되는 것을 억제하는 것이 필요합니다. 따라서 본 논문에서는 현재 객체 검출 방법의 이러한 약점을 개선하기 위해 그리드 경계에 초점을 맞춘 두 가지 접근 방식을 제안한다. 하나는 분류 헤드의 입력에 하위 그리드 기능이 추가되는 하위 그리드 기능 추출 모듈입니다. 다른 하나는 그리드 수준 변화에 의해 증강된 데이터가 생성되어 훈련에 사용되는 그리드 인식 데이터 증강(Grid-Aware Data Augmentation)입니다. 제안된 방법의 효율성은 제안된 방법을 FCOS 아키텍처에 적용한 후 COCO 검증 세트를 사용하여 입증됩니다.

발행
IEICE TRANSACTIONS on Information Vol.E107-D No.1 pp.115-124
발행일
2024/01/01
공개일
2023/10/23
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2023EDP7079
원고의 종류
PAPER
범주
이미지 인식, 컴퓨터 비전

작성자

Shinji UCHINOURA
  from Hiroshima University
Takio KURITA
  from Hiroshima University

키워드