論文 [論文まとめ] Focal Loss for Dense Object Detection
Focal Lossはクラスの不均衡を解決するためのロスです。数が少ないクラスの学習に集中させ、予測の中に負例が多くなってしまうのを防ぎます。
論文
論文 論文 [論文まとめ]A Text Attention Network for Spatial Deformation Robust Scene Text Image Super-resolution
低解像度の画像内のテキストの解像度と可読性を向上させることを目的とした、Text ATTention network (TATT)を提案します。方法は、グローバルアテンションメカニズムを活用した新しい変換器ベースのモジュールを設計します。
アンサンブル [論文まとめ]Model soups: averaging weights of multiple fine-tuned models improves accuracy without increasing inference time
Model soups(モデルスープ)は、異なるハイパーパラメータの構成でファインチューニングされた複数のモデルの重みを平均化することで、精度と頑健性が向上することを示します
物体検出 [論文まとめ]Slicing Aided Hyper Inference and Fine-tuning for Small Object Detection
概要
・監視アプリケーションにおいて、シーン内の小さな物体や遠くの物体を検出することは大きな課題となっています・このような物体は、画像中の少ない画素数で表現されているため、従来の検出器では検出が困難であした・本研究では、小物...
Python [論文まとめ] Evaluation of YOLO Models with Sliced Inference for Small Object Detection
概要
・対象物が小さい物体の検出は、UAV(無人偵察機)、監視、農業など多くの分野で主要なアプリケーションである。・ここでは、トレーニングする際に画像を切り取る手法と推論時のスライス推論の効果を検証しました
実験方法
...
データ拡張 [論文まとめ] Background Mixup Data Augmentation for Hand and Object-in-Contact Detection
概要
・映像から人の行動を理解するためには、映像フレームごとに人の手や接触している物体の位置を検出することが重要です・物体検出器の学習には、2枚の学習画像を重ね合わせてデータの偏りを緩和するMixupと呼ばれる手法がデータ拡張に有効...
Python [論文まとめ] Tabular Data: Deep Learning is Not All You Need
論文、Tabular Data: Deep Learning is Not All You Needの内容をまとめました。