객체 감지

Giriş Yap

içgörü - 객체 감지

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

본 연구는 딥러닝 모델을 사용하여 초고해상도 위성 영상에서 나무 단위 변화 감지를 수행하고 아마다바드시의 나무 수 변화를 정량화하는 것을 목표로 합니다.

회전된 객체 감지 성능을 향상시키기 위해, 본 논문에서는 Hausdorff 거리 기반 비용 함수를 사용하여 DETR 모델의 이분 매칭 문제를 해결하고, 학습 후반부에 노이즈가 있는 쿼리를 선택적으로 제거하는 적응형 쿼리 디노이징 방법을 제안합니다.

Dense Pooling 기술을 Faster R-CNN 모델에 통합하면 사람 객체 감지의 정확도를 높일 수 있다.

본 논문에서는 건설 현장에서 실시간 헬멧 감지를 위해 YOLOv8n 모델을 기반으로 SE Attention 메커니즘과 C2fCIB 모듈을 결합한 CIB-SE-YOLOv8 모델을 제안하고, 이를 통해 향상된 헬멧 감지 성능과 효율성을 달성했습니다.

본 논문에서는 대규모 이미지 레벨 데이터셋과 WordNet의 언어 계층 구조를 활용하여 기존 객체 감지 모델의 일반화 성능을 향상시키는 DetLH(Detector with Language Hierarchy) 모델을 제안합니다.

Frozen-DETR은 사전 학습된 기반 모델(foundation model)을 고정된 특징 강화 모듈로 활용하여 객체 감지 성능을 향상시키는 새로운 방법을 제시합니다.

본 논문에서는 저조도 환경에서의 객체 감지를 위한 새로운 프레임워크인 YOLA를 제안하며, 램버시안 이미지 형성 모델을 기반으로 조명 불변 특징을 학습하여 기존 방법들의 한계를 극복하고 저조도 환경에서의 객체 감지 성능을 향상시키는 방법을 제시합니다.

본 논문에서는 고기동 UAV에서 촬영한 흐릿한 이미지에서 객체 감지를 개선하기 위해 이중 스트림 복원 임베딩 블러 기능 융합 네트워크(DREB-Net)라는 새로운 객체 감지 모델을 제안합니다.

본 논문에서는 다양한 날씨 조건, 특히 낮은 가시성 환경에서 자율주행을 위한 효율적이고 정확한 객체 감지 시스템을 제안합니다.

Hakkında

Ürünler

Kaynaklar