Publikationer från Malmö universitet
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Specialized Indoor and Outdoor Scene-specific Object Detection Models
Malmö universitet, Fakulteten för teknik och samhälle (TS), Institutionen för datavetenskap och medieteknik (DVMT). Malmö universitet, Internet of Things and People (IOTAP).ORCID-id: 0000-0002-9464-7010
Malmö universitet, Fakulteten för teknik och samhälle (TS), Institutionen för datavetenskap och medieteknik (DVMT). Malmö universitet, Internet of Things and People (IOTAP).ORCID-id: 0000-0003-0998-6585
Malmö universitet, Fakulteten för teknik och samhälle (TS), Institutionen för datavetenskap och medieteknik (DVMT). Malmö universitet, Internet of Things and People (IOTAP).ORCID-id: 0000-0002-3797-4605
Axis Communications AB, Lund, Sweden.
Visa övriga samt affilieringar
2023 (Engelska)Ingår i: Sixteenth International Conference on Machine Vision (ICMV 2023) / [ed] Osten, Wolfgang, 2023Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Object detection is a critical task in computer vision with applications across various domains, ranging from autonomous driving to surveillance systems. Despite extensive research on improving the performance of object detection systems, identifying all objects in different places remains a challenge. The traditional object detection approaches focus primarily on extracting and analyzing visual features without considering the contextual information about the places of objects. However, entities in many real-world scenarios closely relate to their surrounding environment, providing crucial contextual cues for accurate detection. This study investigates the importance and impact of places of images (indoor and outdoor) on object detection accuracy. To this purpose, we propose an approach that first categorizes images into two distinct categories: indoor and outdoor. We then train and evaluate three object detection models (indoor, outdoor, and general models) based on YOLOv5 and 19 classes of the PASCAL VOC dataset and 79 classes of COCO dataset that consider places. The experimental evaluations show that the specialized indoor and outdoor models have higher mAP (mean Average Precision) to detect objects in specific environments compared to the general model that detects objects found both indoors and outdoors. Indeed, the network can detect objects more accurately in similar places with common characteristics due to semantic relationships between objects and their surroundings, and the network’s misdetection is diminished. All the results were analyzed statistically with t-tests.

Ort, förlag, år, upplaga, sidor
2023.
Serie
Proceedings of SPIE, ISSN 0277-786X, E-ISSN 1996-756X ; 13072
Nyckelord [en]
object detection, YOLOv5, indoor object detection, outdoor object detection, scene classification
Nationell ämneskategori
Annan elektroteknik och elektronik
Identifikatorer
URN: urn:nbn:se:mau:diva-66441DOI: 10.1117/12.3023479ISI: 001208308300024Scopus ID: 2-s2.0-85191658757ISBN: 9781510674622 (tryckt)ISBN: 9781510674639 (digital)OAI: oai:DiVA.org:mau-66441DiVA, id: diva2:1846539
Konferens
International Conference on Machine Vision (ICMV 2023), Nov. 15-18, 2023, Yerevan, Armenia
Tillgänglig från: 2024-03-22 Skapad: 2024-03-22 Senast uppdaterad: 2024-05-20Bibliografiskt granskad

Open Access i DiVA

fulltext(871 kB)9 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 871 kBChecksumma SHA-512
1863a296e9721bdae1fc83cc681ceda2e370c5786fdb1e869d5df98fe51859ec8cdd35fd0d3c22938aa43fa3c4daacce5a6f41f34410aed003826652bfeb8dc0
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Person

Jamali, MahtabDavidsson, PaulKhoshkangini, RezaMihailescu, Radu-Casian

Sök vidare i DiVA

Av författaren/redaktören
Jamali, MahtabDavidsson, PaulKhoshkangini, RezaMihailescu, Radu-Casian
Av organisationen
Institutionen för datavetenskap och medieteknik (DVMT)Internet of Things and People (IOTAP)
Annan elektroteknik och elektronik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 9 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 370 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf