Biblioteca36.130 documentos en línea

Artículo

Mitigation of Effects of Occlusion on Object Recognition with Deep Neural Networks through Low-Level Image CompletionMitigación de los efectos de la oclusión en el reconocimiento de objetos con redes neuronales profundas mediante la compleción de imágenes de bajo nivel

Resumen

A los algoritmos de clasificación les resulta más difícil identificar correctamente los objetos muy ocluidos que los no ocluidos. Sin embargo, este efecto es poco frecuente y, por tanto, difícil de medir con conjuntos de datos como ImageNet y PASCAL VOC, debido a los sesgos en la selección de poses de imágenes generadas por humanos. Presentamos un conjunto de datos que hace hincapié en la oclusión y adiciones a una red neuronal convolucional estándar destinadas a aumentar la invariabilidad a la oclusión. Una red neuronal convolucional no modificada, entrenada y probada en el nuevo conjunto de datos, se degrada rápidamente hasta alcanzar un nivel de precisión casual a medida que aumenta la oclusión. El entrenamiento con datos ocluidos ralentiza este declive, pero sigue produciendo un rendimiento pobre con una oclusión elevada. La integración de nuevas etapas de preprocesamiento para segmentar los datos de entrada y evitar las oclusiones es una solución eficaz. Una red convolucional así modificada es casi tan eficaz con más del 81% de los píxeles ocluidos como sin oclusión. Además, esta red es más precisa en las imágenes no ocluidas que una red idéntica entrenada sólo con imágenes no ocluidas. Estos resultados dependen del éxito de la segmentación. Las oclusiones de nuestro conjunto de datos son deliberadamente fáciles de segmentar de la figura y el fondo. Para obtener resultados similares en un conjunto de datos más difícil, habría que encontrar un método para dividir la figura, el fondo y los píxeles ocluidos en la entrada.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento