객체 감지

サインイン

본 논문에서는 방글라데시 도로 환경에서 자율 주행 차량의 객체 감지를 위해 실시간 DETR(RTDETR) 모델을 활용한 연구 결과를 제시하며, 실험을 통해 얻은 성능 지표와 한계점을 분석하고 향후 연구 방향을 제시합니다.

WARLearn은 악천후 조건에서도 강력한 객체 감지를 위해 기존 모델을 조정하는 새로운 표현 학습 프레임워크를 제시합니다.

본 논문에서는 카메라 이미지를 조감도 극좌표계로 변환하여 원시 레이다 데이터와 융합하는 효율적인 객체 감지 네트워크를 제안합니다.

WoodYOLO는 현미경 목재 섬유 분석을 위해 특별히 설계된 새로운 객체 감지 알고리즘으로, 고해상도 현미경 이미지에서 목재 수종 감지의 정확성과 효율성을 크게 향상시킵니다.

본 논문에서는 방향성 객체 감지에서 각도 주기성 및 대칭 모호성 문제를 해결하기 위해 객체의 방향을 구조 텐서로 표현하는 새로운 방법을 제안합니다.

로컬-글로벌 어텐션이라는 새로운 어텐션 메커니즘을 제안하여, 다중 스케일 컨볼루션과 위치 인코딩을 통해 로컬 및 글로벌 특징을 효과적으로 통합하여 객체 감지 성능을 향상시킵니다.

본 논문에서는 다양한 환경 조건에서 AR 애플리케이션의 객체 감지를 위해 지향 경계 상자를 사용하는 YOLO 기반 객체 감지 모델을 제안하고, 실제 및 합성 데이터 세트를 사용하여 성능 향상을 입증합니다.

객체 감지 정확도는 깊이 예측보다 시각적 현저성 예측과 더 강한 상관관계를 보이며, 특히 큰 객체에서 그 경향이 두드러진다.

본 논문에서는 기존 이미지 처리 필터들을 단순화하고 통합하여 악천후 조건에서도 강건하게 작동하는 이미지 적응형 객체 감지 방법인 ERUP-YOLO를 제안합니다.

사전 훈련된 모델을 사용하여 미세 조정 없이 새로운 객체를 즉시 감지하는 새로운 객체 감지 방법(SDM-RAN)을 제안합니다.

会社概要

プロダクト

リソース