論文の概要: FGSD: A Dataset for Fine-Grained Ship Detection in High Resolution Satellite Images

• arxiv url: http://arxiv.org/abs/2003.06832v1
• Date: Sun, 15 Mar 2020 13:54:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-23 08:54:01.567588
• Title: FGSD: A Dataset for Fine-Grained Ship Detection in High Resolution Satellite Images
• Title（参考訳）: FGSD:高解像度衛星画像における細粒度船体検出用データセット
• Authors: Kaiyan Chen, Ming Wu, Jiaming Liu, Chuang Zhang
• Abstract要約: 高解像度リモートセンシング画像を用いた船舶検出は、海面規制に寄与する重要な課題である。 船舶検出研究の促進を目的として, FGSD と命名された, きめ細かな船舶検出データセットを新たに導入した。 このデータセットは、世界中の複数の大きな港からの船のサンプルを含む高解像度のリモートセンシング画像を集めている。
• 参考スコア（独自算出の注目度）: 22.883300168530035
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ship detection using high-resolution remote sensing images is an important task, which contribute to sea surface regulation. The complex background and special visual angle make ship detection relies in high quality datasets to a certain extent. However, there is few works on giving both precise classification and accurate location of ships in existing ship detection datasets. To further promote the research of ship detection, we introduced a new fine-grained ship detection datasets, which is named as FGSD. The dataset collects high-resolution remote sensing images that containing ship samples from multiple large ports around the world. Ship samples were fine categorized and annotated with both horizontal and rotating bounding boxes. To further detailed the information of the dataset, we put forward a new representation method of ships' orientation. For future research, the dock as a new class was annotated in the dataset. Besides, rich information of images were provided in FGSD, including the source port, resolution and corresponding GoogleEarth' s resolution level of each image. As far as we know, FGSD is the most comprehensive ship detection dataset currently and it'll be available soon. Some baselines for FGSD are also provided in this paper.
• Abstract（参考訳）: 高解像度リモートセンシング画像を用いた船舶検出は,海面制御に寄与する重要な課題である。 複雑な背景と特別な視角は、船の検知を高品質なデータセットにある程度依存させる。 しかし、既存の船舶検出データセットに船の正確な分類と正確な位置を与える研究はほとんどない。 船舶検出研究をさらに推進するために,fgsdと名づけられた細粒度船舶検出データセットを新たに導入した。 データセットは、世界中の複数の大きな港からの船サンプルを含む高解像度のリモートセンシングイメージを収集する。 船のサンプルは細分化され、水平および回転のバウンディングボックスで注釈付けされた。 データセットの情報をさらに詳細にするため,我々は船舶の向きを表す新しい表現法を提唱した。 将来の調査では、新しいクラスとしてのドックがデータセットに注釈付けされている。 さらに、FGSDには、ソースポート、解像度、対応するGoogleEarthの解像度レベルなど、画像の豊富な情報が提供されている。 FGSDは現在最も包括的な船舶検知データセットであり、まもなく利用可能になる予定です。 本論文ではFGSDのベースラインについても述べる。

関連論文リスト

• SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale SAR Object Detection [79.23689506129733]
  我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。 私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。 私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
  論文  参考訳（メタデータ） (2024-03-11T09:20:40Z)
• Image and AIS Data Fusion Technique for Maritime Computer Vision Applications [1.482087972733629]
  本研究では,AIS(Automatic Identification System)データと画像に検出された容器を融合させてデータセットを作成する手法を開発した。 提案手法は, 距離と方位を推定することにより, 検出した船舶を対応するAISメッセージに関連付ける。 この技術は、水路交通管理、遭遇検知、監視のためのデータセットを作成するのに有用である。
  論文  参考訳（メタデータ） (2023-12-07T20:54:49Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• Super Sparse 3D Object Detection [48.684300007948906]
  LiDARベースの3Dオブジェクト検出は、自動運転における長距離認識にますます貢献する。 高速な長距離検出を実現するため,まずフルスパース物体検出器FSDを提案する。 FSD++は、連続するフレーム間の点変化を示す残差点を生成する。
  論文  参考訳（メタデータ） (2023-01-05T17:03:56Z)
• Fully Sparse 3D Object Detection [57.05834683261658]
  長距離LiDARオブジェクト検出のためのフルスパース3Dオブジェクト検出器(FSD)を構築した。 FSDは一般的なスパース・ボクセル・エンコーダと新しいスパース・インスタンス認識(SIR)モジュール上に構築されている。 SIRは、ポイントをインスタンスにグループ化することで、以前のポイントベースのメソッドでの待ち行列クエリを避ける。
  論文  参考訳（メタデータ） (2022-07-20T17:01:33Z)
• KOLOMVERSE: Korea open large-scale image dataset for object detection in the maritime universe [0.5732204366512352]
  KRISO による海洋領域における物体検出のための大規模画像データセット KOLOMVERSE を提案する。 韓国の21の領海から撮影した5,845時間の動画データを収集した。 データセットには3840$times$2160ピクセルのイメージがあり、私たちの知る限り、海洋ドメインにおけるオブジェクト検出のための公開データセットとしては、これまでで最大のものである。
  論文  参考訳（メタデータ） (2022-06-20T16:45:12Z)
• xView3-SAR: Detecting Dark Fishing Activity Using Synthetic Aperture Radar Imagery [52.67592123500567]
  世界の漁業は海洋資源や生態系に大きな脅威をもたらす。 夜間または夜間、全天候下で暗黒船の自動検出が可能となった。 xView3-SARは、Sentinel-1ミッションから得られた1000近い分析可能なSAR画像で構成されている。
  論文  参考訳（メタデータ） (2022-06-02T06:53:45Z)
• ShipSRDet: An End-to-End Remote Sensing Ship Detector Using Super-Resolved Feature Representation [8.464914977101252]
  船舶検知性能を向上させるために,ShipSRDetというエンドツーエンドネットワークを提案する。 本手法では,超解像イメージを検出器に供給するだけでなく,SRネットワークの中間機能と検出ネットワークの中間機能を統合する。
  論文  参考訳（メタデータ） (2021-03-17T14:51:45Z)
• Arbitrary-Oriented Ship Detection through Center-Head Point Extraction [11.45718985586972]
  リモートセンシング画像における任意方向の船舶検出を実現するために,センターヘッドポイント抽出ベース検出器(CHPDet)を提案する。 私たちのCHPDetは、方向を決定するために使用されるヘッドポイントを持つ回転箱として任意の向きの船を定式化します。 我々のCHPDetは最先端の性能を達成し、弓と船尾をよく区別できる。
  論文  参考訳（メタデータ） (2021-01-27T03:58:52Z)
• TJU-DHD: A Diverse High-Resolution Dataset for Object Detection [48.94731638729273]
  大規模でリッチな多様性と高解像度のデータセットは、よりよいオブジェクト検出方法を開発する上で重要な役割を果たす。 私たちは多種多様な高解像度データセット(TJU-DHD)を構築します。 データセットには115,354枚の高解像度画像と709,330個のラベル付きオブジェクトが含まれており、スケールと外観に大きな違いがある。
  論文  参考訳（メタデータ） (2020-11-18T09:32:24Z)
• Locality-Aware Rotated Ship Detection in High-Resolution Remote Sensing Imagery Based on Multi-Scale Convolutional Network [7.984128966509492]
  マルチスケール畳み込みニューラルネットワーク(CNN)に基づく局所性認識型回転船検出(LARSD)フレームワークを提案する。 提案フレームワークはUNetのようなマルチスケールCNNを用いて高解像度の情報を持つマルチスケール特徴マップを生成する。 検出データセットを拡大するために、新しい高解像度船舶検出(HRSD)データセットを構築し、2499の画像と9269のインスタンスを異なる解像度でGoogle Earthから収集した。
  論文  参考訳（メタデータ） (2020-07-24T03:01:42Z)

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。