カムフラージュ物体検出のための高分解能反復フィードバックネットワーク【JST・京大機械翻訳】

Hu Xiaobin; Wang Shuo; Qin Xuebin; Dai Hang; Ren Wenqi; Tai Ying; Wang Chengjie; Shao Ling

プレプリント

J-GLOBAL ID：202202202050479494 整理番号：22P0308274

カムフラージュ物体検出のための高分解能反復フィードバックネットワーク【JST・京大機械翻訳】

High-resolution Iterative Feedback Network for Camouflaged Object Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2022年03月22日プレプリントサーバーでの情報更新日： 2023年02月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

バックグラウンドに視覚的に同化されるカモフラージュされたオブジェクトは,通常,前景オブジェクトと背景環境の間の完全固有類似性によって混乱または加熱される物体検出アルゴリズムおよび人間の両方に対してトリキである。この課題に取り組むために,エッジと境界におけるぼやけた視覚を引き起こす詳細劣化を避けるため,高解像度テクスチャの詳細を抽出することを目指した。反復フィードバック方式で高分解能特徴により低解像度表現を精密化する新しいHitNetを導入した。さらに,反復フィードバック損失を提案し,各フィードバック接続に対してより多くの制約を課した。4つの挑戦的なデータセットに関する広範な実験は,著者らのモデルが性能ボトルネックを破り,29の最先端手法と比較して著しい改善を達成することを示した。カモフラージュされたシナリオにおけるデータ不足に取り組むために,著者らは,カモフラージュされたオブジェクト特性を反映することができる特徴を抽出するために,交差ドメイン学習を採用することによって応用用例を提供して,それによって,多様な突出したオブジェクトデータセットからより多くのカモフラージュ訓練サンプルを作り出して,このコードはhttps://github.com/HUuxiaobin/HitNetにおいて利用可能であるであろう。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

パターン認識

, , , ,

前のページに戻る