要約: 現在広く用いられている物体検出手法の多くは学習ベースであり、外観がさまざまに変化する物体を検出できます。これらのモデルはトレーニングとトレーニングデータセットを必要とします。データの変動が少ないユースケースに焦点を当てますが、トレーニングデータの生成とトレーニングを不要とする要件を満たします。このような設定は、ソフトウェア開発中のグラフィカルユーザーインタフェース（GUI）の自動テスト、特に継続的インテグレーションテストの場面で、たとえば望まれます。私たちのアプローチでは、セグメンテーション基盤モデルのセグメントを用い、それらを単純な特徴ベースの分類手法と組み合わせます。これにより、検索対象のオブジェクトやその設計を変更する際の時間とコストを節約できます。再トレーニングは不要で、データセットを作成する必要もありません。私たちは、ナビゲーション地図上のアイコンを検出・分類する課題でこの手法を評価します。これは自動車産業におけるユーザーインターフェースのテストを簡素化・自動化するために用いられます。私たちの方法は、YOLOのような学習ベースの物体検出手法とほぼ同等の結果を、トレーニングを必要とせずに達成します。
返却形式: {"translated": "翻訳されたHTML"}
