文献

J-GLOBAL ID：202002240546063387   整理番号：20A1187630

物体検出器の平衡訓練のための正境界ボックスの生成【JST・京大機械翻訳】

Generating Positive Bounding Boxes for Balanced Training of Object Detectors

著者 (4件)： Oksuz Kemal (Middle East Technical University,Department of Computer Engineering,Ankara,Turkey) ,  Cam Baris Can (Middle East Technical University,Department of Computer Engineering,Ankara,Turkey) ,  Akbas Emre (Middle East Technical University,Department of Computer Engineering,Ankara,Turkey) ,  Kalkan Sinan (Middle East Technical University,Department of Computer Engineering,Ankara,Turkey)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： WACV  ページ： 883-892  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 二段階の深い物体検出器は,第一段階で関心領域(RoIs)の集合を生成し,第二段階では,提案したRoIsの中のオブジェクトを同定し,これは,地上真実(GT)ボックスと十分に重複する。第二段階は,関連するGTボックスと低い交差-過剰結合(IOU)を持つRoIsに対するバイアスを受けることが知られている。この問題に対処するために,まず,与えられたIOU閾値よりも与えられた参照ボックスと重複する境界ボックス(BB)を生成するサンプリング法を提案した。次に,このBB生成法を用いて,第二段階に対して,任意の空間的またはIOU分布に従ってRoIsを生成する,陽性RoI(ProI)発生器を開発した。著者らのProI発電機は,ハード例マイニングやプライムサンプリングのような正の例に対する他のサンプリング法をシミュレートできることを示した。解析ツールとしての発電機を用いて,(i)IOU不均衡は性能に悪影響を与え,(ii)ハードポジティブ事例マイニングは特定の入力IOU分布に対してのみ性能を改善し,(iii)前景クラス間の不均衡は性能に悪影響を及ぼし,バッチレベルで軽減できることを示した。最後に,著者らのProI発電機を用いてFastR-CNNを訓練し,従来の訓練と比較して,低IOUSに対してより良いかオンパール性能を得て,Pascal VOCおよびMS COCOデータセットに対してより高いIOUSに対して訓練した場合に有意な改善を得た。コードは,https://github.com/kemaloksuz/BoundingBoxGeneratorで利用可能である。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *検出 ,  *装置 ,  *景観 ,  *非平衡状態 ,  *範囲 ,  *器具
準シソーラス用語： 前景 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 物体検出 ,  平衡 ,  訓練 ,  境界 ,  ボックス