論文の概要: Objects detection for remote sensing images based on polar coordinates

• arxiv url: http://arxiv.org/abs/2001.02988v7
• Date: Mon, 21 Sep 2020 02:31:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-13 05:06:55.679761
• Title: Objects detection for remote sensing images based on polar coordinates
• Title（参考訳）: 極座標に基づくリモートセンシング画像の物体検出
• Authors: Lin Zhou and Haoran Wei and Hao Li and Wenzhe Zhao and Yi Zhang and Yue Zhang
• Abstract要約: 極座標系をディープラーニング検出器に初めて導入し, アンカーフリーの極リモートセンシングオブジェクト検出器(P-RSDet)を提案する。 P-RSDet法では、中心点を予測し、1つの極半径と2つの極角を回帰することにより、任意の方向の物体検出が可能である。 DOTA,UCAS-AOD,NWPU VHR-10データセットを用いた実験により,我々のP-RSDetはより単純なモデルとより少ない回帰パラメータで最先端のパフォーマンスを達成することが示された。
• 参考スコア（独自算出の注目度）: 26.640452563317346
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Arbitrary-oriented object detection is an important task in the field of remote sensing object detection. Existing studies have shown that the polar coordinate system has obvious advantages in dealing with the problem of rotating object modeling, that is, using fewer parameters to achieve more accurate rotating object detection. However, present state-of-the-art detectors based on deep learning are all modeled in Cartesian coordinates. In this article, we introduce the polar coordinate system to the deep learning detector for the first time, and propose an anchor free Polar Remote Sensing Object Detector (P-RSDet), which can achieve competitive detection accuracy via uses simpler object representation model and less regression parameters. In P-RSDet method, arbitrary-oriented object detection can be achieved by predicting the center point and regressing one polar radius and two polar angles. Besides, in order to express the geometric constraint relationship between the polar radius and the polar angle, a Polar Ring Area Loss function is proposed to improve the prediction accuracy of the corner position. Experiments on DOTA, UCAS-AOD and NWPU VHR-10 datasets show that our P-RSDet achieves state-of-the-art performances with simpler model and less regression parameters.
• Abstract（参考訳）: 任意指向オブジェクト検出は、リモートセンシングオブジェクト検出の分野で重要なタスクである。 既存の研究では、極座標系は、より正確な回転物体検出を達成するためにより少ないパラメータを使用する、回転物体モデリングの問題に対処する上で明らかに有利であることが示されている。 しかし、ディープラーニングに基づく現在の最先端の検出器は、すべてデカルト座標でモデル化されている。 本稿では,この極座標系をディープラーニング検出器に初めて導入し,より単純なオブジェクト表現モデルと少ない回帰パラメータを用いて,競合検出精度を実現するアンカーフリーの極リモートセンシングオブジェクト検出器(P-RSDet)を提案する。 P-RSDet法では、中心点を予測し、1つの極半径と2つの極角を回帰することにより、任意の方向の物体検出が可能である。 また、極半径と極角との幾何学的制約関係を表現するために、角位置の予測精度を向上させるために極リング面積損失関数が提案されている。 DOTA,UCAS-AOD,NWPU VHR-10データセットを用いた実験により,我々のP-RSDetはより単純なモデルとより少ない回帰パラメータで最先端のパフォーマンスを達成することが示された。

関連論文リスト

• PARTNER: Level up the Polar Representation for LiDAR 3D Object Detection [81.16859686137435]
  本稿では、極座標における新しい3次元物体検出器Partnerを紹介する。 提案手法は,ONCE検証セットにおいて3.68%,9.15%の差で従来の極性理論よりも優れていた。
  論文  参考訳（メタデータ） (2023-08-08T01:59:20Z)
• Anchor Free remote sensing detector based on solving discrete polar coordinate equation [4.708085033897991]
  回転・多スケール物体を検出するためのAnchor Free Aviatic Remote Sensor Object Detector (BWP-Det) を提案する。 具体的には、インタラクティブなダブルブランチ(IDB)アップサンプリングネットワークを設計し、ヒートマップの予測に1つのブランチを徐々にアップサンプリングする。 我々は、前景と背景の違いを強調するために、重み付きマルチスケール畳み込み(WmConv)を改善した。
  論文  参考訳（メタデータ） (2023-03-21T09:28:47Z)
• Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
  既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。 このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。 回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
  論文  参考訳（メタデータ） (2022-09-22T07:50:48Z)
• PolarFormer: Multi-camera 3D Object Detection with Polar Transformers [93.49713023975727]
  自律運転における3次元物体検出は、3次元の世界に存在する「何」と「どこに」の物体を推論することを目的としている。 既存の手法はしばしば垂直軸を持つ標準カルテ座標系を採用する。 鳥眼ビュー(BEV)におけるより正確な3次元物体検出のための新しい極変換器(PolarFormer)を,マルチカメラ2D画像のみを入力として提案する。
  論文  参考訳（メタデータ） (2022-06-30T16:32:48Z)
• Single-stage Rotate Object Detector via Two Points with Solar Corona Heatmap [16.85421977235311]
  太陽コロナ熱マップを用いた単段回転物体検出器を開発し,指向性物体を検出する。 ROTPはオブジェクトの一部を予測し、それらを集約して全体像を形成する。
  論文  参考訳（メタデータ） (2022-02-14T09:07:21Z)
• RSDet++: Point-based Modulated Loss for More Accurate Rotated Object Detection [53.57176614020894]
  我々は、回転感度誤差(RSE)として、5パラメータと8パラメータの回転物体検出法の両方における損失の不連続性を分類する。 問題を軽減するために新しい変調された回転損失を導入し、回転感度検出ネットワーク(RSDet)を提案する。 10ピクセル未満のオブジェクトに対する本手法の精度をさらに向上するため,新しいRSDet++を提案する。
  論文  参考訳（メタデータ） (2021-09-24T11:57:53Z)
• Learning High-Precision Bounding Box for Rotated Object Detection via Kullback-Leibler Divergence [100.6913091147422]
  既存の回転物体検出器は、主に水平検出パラダイムから受け継がれている。 本稿では,回転回帰損失の設計を帰納パラダイムから導出手法に変更することを目的としている。
  論文  参考訳（メタデータ） (2021-06-03T14:29:19Z)
• OSKDet: Towards Orientation-sensitive Keypoint Localization for Rotated Object Detection [0.0]
  オリエンテーション感度キーポイントに基づく回転検出器OSKDetを提案する。 ターゲットを特徴付けるキーポイントのセットを採用し、roi上のキーポイントヒートマップを予測して回転したターゲットを形成する。 DOTAは77.81%、HRSC2016は89.91%、UCAS-AODは97.18%である。
  論文  参考訳（メタデータ） (2021-04-18T03:40:52Z)
• On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
  まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。 我々は、角予測タスクを回帰問題から分類問題に変換する。 得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
  論文  参考訳（メタデータ） (2020-03-12T03:23:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。