文献

J-GLOBAL ID：202202227704680289   整理番号：22A0779844

任意指向オブジェクト検出のための一般的Gaussヒートマップラベル割当【JST・京大機械翻訳】

A General Gaussian Heatmap Label Assignment for Arbitrary-Oriented Object Detection

著者 (4件)： Huang Zhanchao (School of Information and Electronics and the Beijing Key Laboratory of Fractional Signals and Systems, Beijing Institute of Technology, Beijing, China) ,  Li Wei (School of Information and Electronics and the Beijing Key Laboratory of Fractional Signals and Systems, Beijing Institute of Technology, Beijing, China) ,  Xia Xiang-Gen (Department of Electrical and Computer Engineering, University of Delaware, Newark, DE, USA) ,  Tao Ran (School of Information and Electronics and the Beijing Key Laboratory of Fractional Signals and Systems, Beijing Institute of Technology, Beijing, China)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 31  ページ： 1895-1910  発行年： 2022年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
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： 最近,多くの任意指向物体検出(AOOD)法が提案され,多くの分野で広く注目されている。しかし,それらの大部分はアンカーボックスまたは標準Gauss熱マップに基づいている。このようなラベル割当戦略は任意指向物体の形状および方向特性を反映するだけでなく,高いパラメータ調整努力も持つ。本論文では,一般的Gauss熱マップラベル割当(GGHL)と呼ばれる新しいAOOD法を提案した。特に,任意配向物体の形状および方向特徴を反映する二次元(2D)配向Gauss熱マップに基づく正候補を定義するために,アンカーフリーオブジェクト適応ラベル割当(OLA)戦略を提示した。OLAに基づいて,OBBsを示して,ニューラルネットワーク学習を通して適応的に異なる物体の特性に適合するために,Gauss中心事前重みを調整するために,指向結合ボックス(OBB)表現成分(ORC)を開発した。さらに,領域正規化と動的信頼重みづけによる共同最適化損失(JOL)を設計し,異なるサブタスクの誤警報最適結果を精密化した。公開データセットに関する広範な実験は,提案したGGHLが低パラメータチューニングと時間コストでAOOD性能を改善することを実証した。さらに,組込みプラットフォーム上の軽量モデルを含むその性能を改善するために,ほとんどのAOOD法に一般的に適用可能である。Copyright 2022 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： 最適化 ,  学習 ,  ニューラルネットワーク ,  二次元 ,  精密化 ,  重みづけ ,  *正規化
準シソーラス用語： *物体検出 ,  誤警報 ,  パラメータチューニング ,  軽量 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： オブジェクト検出 ,  ヒートマップ ,  ラベル ,  割当