3つの要点✔️ 物体検出法を確実に比較するための、ユニバーサルスケールの物体検出ベンチマーク(USB)✔️ 新しい手法を評価するための、公平・簡単・スケーラブルなプロトコルセット✔️ UniverseNetsと呼ばれる高速で正確なオブジェクト検出器は、いくつかのベンチマークでSOTAを獲得USB: Universal-Scale Object Detection Benchmarkwritten by Yosuke Shinya(Submitted on 25 Mar 2021)Comments: Accepted to arXiv.Subjects: Computer Vision and Pattern Recognition (cs.CV)code： はじめに人間は、風景や文章、絵画やアニメーションの中の物体など、さまざまなものを識別する能力を持っています。これは深層学習に持たせたい能力であり、この目的で長い道のりを歩んできました。大規模で情報量の多いデータセットはDNNにとって有益であり、物体検出用のDNNも例外ではありません。COCOデータセットは、物体検出において重要な役割を果たしています。COCOデータセットは、物体検出の新しい手法の開発と評価に広く利用されています。しかし、このデータセットにはいくつかの欠点があります。COCOデータセットは、人間が知覚するのに必要な、物体のスケールや画像領域のバリエーションをカバーしていません。それにもかかわらず、いくつかの研究では、新しい手法が他のデータセットに一般化するかどうかを示さずに、COCOデータセットだけを使って評価しています。そのため、物体検出の学習と評価のための標準的なプロトコルを確立する必要があります。本論文では物体検出手法の信頼性の高い比較を可能にするUSBと呼ばれるユニバーサルスケールの物体検出のための新しいベンチマークを紹介します。また新しい手法を公正かつ容易に、そしてスケーラブルに比較するための標準的なUSBプロトコルを確立しています。
Akionux
All senooken JP Social content and data are available under the