WEKO3
アイテム
Faster R-CNNを用いたOne-click super vision
https://ipsj.ixsq.nii.ac.jp/records/211196
https://ipsj.ixsq.nii.ac.jp/records/211196f78f2564-ce44-4ab0-844d-a98862bf7b54
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-CVIM21226040.pdf (5.9 MB)
|
Copyright (c) 2021 by the Information Processing Society of Japan
|
|
| オープンアクセス | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2021-05-13 | |||||||||
| タイトル | ||||||||||
| タイトル | Faster R-CNNを用いたOne-click super vision | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | One-click supervision using Faster R-CNN | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | 卒論スポットライトセッション | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||||
| 資源タイプ | technical report | |||||||||
| 著者所属 | ||||||||||
| 茨城大学大学院理工学研究科情報工学専攻 | ||||||||||
| 著者所属 | ||||||||||
| 茨城大学大学院理工学研究科情報科学領域 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Graduate School of Science and Engineering, Ibaraki University, Department of Computer Science and Engineering | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Graduate School of Science and Engineering, Ibaraki University, Department of Computer Science and Engineering | ||||||||||
| 著者名 |
平野, 友基
× 平野, 友基
× 新納, 浩幸
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 物体検出を行うタスクでは様々な学習モデルが提案されているが，中でも Faster R-CNN は良い性能を示している．オブジェクトクラスを検出するには，通常，バウンディングボックスにより注釈されたオブジェクトを持つ大規模なセットが必要である．しかし，手作業でバウンディングボックスを描くのは非常に大変な作業である．そこで中心をクリックすることでアノテーションの時間を大幅に短縮する click supervision という手法が提案された．本稿では，detectron2 を用いた Faster R-CNN による one-click supervision の提案．これを風船の物体検出を学習するカスタムデータセットを用いて行い，one-click supervision を用いて学習したモデルとカスタムデータセットのみを使用して学習したモデルの精度を比較した．この結果，モデルの精度はカスタムデータセットを用いた場合には及ばないが，学習の効果は見られた．これに基づき，提案手法では精度の向上は見られるが，通常の方法でアノテーションされたデータに精度を近づけるには改善が必要であると結論付けた． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | Various learning models have been proposed for the task of object detection, among which Faster R-CNN has shown good performance. To detect a class of objects, we usually need a large set of objects annotated with bounding boxes. However, drawing bounding boxes by hand is a very difficult task. To solve this problem, a method called ”click supervision” has been proposed, which greatly reduces the annotation time by clicking on the center. In this paper, we propose a one-clicksupervision method based on Faster R-CNN using detectron2. This was done using a custom dataset for learning balloon object detection, and the accuracy of the model trained using one-click supervision was compared with the model trained using only the custom dataset. We compared the accuracy of the model trained with one-click supervision with that of the model trained using only the custom dataset. As a result, the accuracy of the model was not as good as that of the model trained using the custom dataset, but the learning effect was observed. Based on this, we conclude that the proposed method improves the accuracy, but needs improvement to bring the accuracy closer to that of the data annotated in the usual way. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AA11131797 | |||||||||
| 書誌情報 |
研究報告コンピュータビジョンとイメージメディア（CVIM） 巻 2021-CVIM-226, 号 40, p. 1-5, 発行日 2021-05-13 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8701 | |||||||||
| Notice | ||||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
