文献

J-GLOBAL ID：202002291732608631   整理番号：20A0817402

RRNet:ドロンキャプチャ画像における物体検出のためのハイブリッド検出器【JST・京大機械翻訳】

RRNet: A Hybrid Detector for Object Detection in Drone-Captured Images

著者 (7件)： Chen Changrui (Ocean University of China) ,  Zhang Yu (Ocean University of China) ,  Lv Qingxuan (Ocean University of China) ,  Wei Shuo (Ocean University of China) ,  Wang Xiaorui (Ocean University of China) ,  Sun Xin (Ocean University of China) ,  Dong Junyu (Ocean University of China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCVW  ページ： 100-108  発行年： 2019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： 都市シーンにおけるUAVsとドロンによって捕捉されたオブジェクトは,通常様々なサイズに入り,非常に高密度である。そこで,このような困難なタスクにおけるオブジェクト検出のために,RRNetと呼ばれるハイブリッド検出器を提案した。検出器を構築するために,アンカーフリー検出器を再回帰モジュールと混合した。以前のアンカーの捨ては,境界ボックスサイズ回帰に関する困難なタスクから著者らのモデルをリリースしたので,著者らは高密度シーンにおけるマルチスケールオブジェクト検出においてより良い性能を達成した。アンカーフリーベースの検出器は最初に粗いボックスを生成する。次に,再回帰モジュールを粗い予測に適用し,正確な境界ボックスを生成した。さらに,データを論理的に増大させるために,適応再サンプリング増強戦略を導入した。著者らの実験は,RRNetがVisDrone2018データセットに関するすべての最先端の検出器よりも著しく優れていることを実証した。著者らは,画像通信におけるICCV VisDrone2019オブジェクト検出に対して実行し,最良のAP50,Ar10,およびAR100を達成した。ソースコードは,著者らの公式のウェブサイトに関して,コースのために公表される。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： 検出器 ,  *都市 ,  画像通信
準シソーラス用語： ソースコード ,  リサンプリング ,  マルチスケール ,  *ハイブリッド検出器 ,  物体検出 , 【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 (2件)： 物体検出 ,  ハイブリッド検出器