エンド・ツー・エンドカスケード画像消去とオブジェクト検出ニューラルネットワーク【JST・京大機械翻訳】

Wang Kaige; Wang Tianming; Qu Jianchuang; Jiang Huatao; Li Qing; Chang Lin

プレプリント

J-GLOBAL ID：202202212928654046 整理番号：22P0293891

エンド・ツー・エンドカスケード画像消去とオブジェクト検出ニューラルネットワーク【JST・京大機械翻訳】

An End-to-End Cascaded Image Deraining and Object Detection Neural Network

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 (6件)： , , , , ,
資料名：
発行年： 2022年02月22日プレプリントサーバーでの情報更新日： 2022年02月22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)

深層学習ベース画像脱線法は近年大きな進歩を遂げたが,実世界状況におけるそれらの応用には2つの主要な欠点がある。第1に,降雨除去によって代表される低レベルビジョンタスクとオブジェクト検出によって代表される高レベルビジョンタスクの間のギャップは有意であり,低レベルビジョンタスクは高レベルビジョンタスクにほとんど寄与できない。第2に,訓練データセットの品質を改善する必要がある。実際,多くの基準線における降雨線は,実際の降雨線と大きなギャップを持ち,そして,降雨データセット画像の分解能は,一般的に理想的ではない。一方,低レベルビジョンタスクと高レベルビジョンタスクの両方に共通データセットはほとんどない。本論文では,高レベルビジョンタスクと低レベルビジョンタスクの組合せを検討した。特に,著者らは,2つのカスケードネットワーク,改良画像雑音除去ネットワークおよびオブジェクト検出ネットワークから成る,降雨の影響を低減するためのエンドツーエンドオブジェクト検出ネットワークを提案した。また,損失関数の成分を設計し,異なるサブネットワークの特性に適応した。次に,降雨除去と物体検出に対するKITTIデータセットに基づくデータセットを提案し,そこでは,著者らのネットワークが,計量における著しい改善で最先端技術を凌駕する。さらに,提案ネットワークを自己駆動車両により収集した駆動ビデオ上で測定し,降雨除去と物体検出に対して肯定的結果を示した。【JST・京大機械翻訳】

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

パターン認識 , 人工知能

, ,

前のページに戻る