論文の概要: A Novel CNN-based Method for Accurate Ship Detection in HR Optical Remote Sensing Images via Rotated Bounding Box

• arxiv url: http://arxiv.org/abs/2004.07124v2
• Date: Fri, 8 May 2020 03:22:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-13 03:50:48.631631
• Title: A Novel CNN-based Method for Accurate Ship Detection in HR Optical Remote Sensing Images via Rotated Bounding Box
• Title（参考訳）: 回転バウンディングボックスによるHR光リモートセンシング画像の高精度船舶検出のための新しいCNN方式
• Authors: Linhao Li, Zhiqiang Zhou, Bo Wang, Lingjuan Miao and Hua Zong
• Abstract要約: 船舶検出における現在のCNN法に共通する欠点を克服し, 新たなCNNに基づく船舶検出手法を提案する。 配向と他の変数を独立に予測できるが、より効果的に、新しい二分岐回帰ネットワークで予測できる。 船体検出において提案手法が優れていることを示す実験結果が得られた。
• 参考スコア（独自算出の注目度）: 10.689750889854269
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Currently, reliable and accurate ship detection in optical remote sensing images is still challenging. Even the state-of-the-art convolutional neural network (CNN) based methods cannot obtain very satisfactory results. To more accurately locate the ships in diverse orientations, some recent methods conduct the detection via the rotated bounding box. However, it further increases the difficulty of detection, because an additional variable of ship orientation must be accurately predicted in the algorithm. In this paper, a novel CNN-based ship detection method is proposed, by overcoming some common deficiencies of current CNN-based methods in ship detection. Specifically, to generate rotated region proposals, current methods have to predefine multi-oriented anchors, and predict all unknown variables together in one regression process, limiting the quality of overall prediction. By contrast, we are able to predict the orientation and other variables independently, and yet more effectively, with a novel dual-branch regression network, based on the observation that the ship targets are nearly rotation-invariant in remote sensing images. Next, a shape-adaptive pooling method is proposed, to overcome the limitation of typical regular ROI-pooling in extracting the features of the ships with various aspect ratios. Furthermore, we propose to incorporate multilevel features via the spatially-variant adaptive pooling. This novel approach, called multilevel adaptive pooling, leads to a compact feature representation more qualified for the simultaneous ship classification and localization. Finally, detailed ablation study performed on the proposed approaches is provided, along with some useful insights. Experimental results demonstrate the great superiority of the proposed method in ship detection.
• Abstract（参考訳）: 現在、光学式リモートセンシング画像の信頼性と精度は依然として難しい。 最先端の畳み込みニューラルネットワーク(CNN)ベースの手法でさえ、非常に良好な結果が得られない。 船を様々な方向でより正確に見つけるために、最近のいくつかの方法は回転した境界ボックスを通して検出を行う。 しかし、船の向きのさらなる変数がアルゴリズムで正確に予測されなければならないため、検出の難しさをさらに高める。 本稿では, 船舶検出における現在のcnn方式の共通欠陥を克服し, 新たなcnn方式船舶検出法を提案する。 具体的には、ローテーション領域の提案を生成するために、現在の手法では、マルチ指向アンカーを事前に定義し、すべての未知変数を1つの回帰プロセスで一緒に予測し、全体的な予測の品質を制限する必要がある。 対照的に, 船舶の目標がリモートセンシング画像においてほぼ回転不変であるという観測に基づいて, 方向と他の変数を独立に予測できるが, より効率的に, 新たな二重分岐回帰ネットワークを構築できる。 次に, 各種アスペクト比の船舶の特徴抽出において, 通常のROIプーリングの限界を克服するために, 形状適応型プーリング法を提案する。 さらに,空間変動型適応プーリングによるマルチレベル機能の導入を提案する。 このアプローチはマルチレベル適応プーリングと呼ばれ、船の分類とローカライゼーションを同時に行うのに適したコンパクトな特徴表現をもたらす。 最後に,提案手法について詳細なアブレーション研究を行い,有用な知見を得た。 実験の結果,提案手法の船舶検出における優れた性能が得られた。

関連論文リスト

• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• Weakly Aligned Feature Fusion for Multimodal Object Detection [52.15436349488198]
  マルチモーダルデータはしばしば位置ずれの問題に悩まされます。つまり、イメージペアは厳密に一致していません。 この問題により、マルチモーダルな特徴を融合させることが難しくなり、畳み込みニューラルネットワーク(CNN)のトレーニングが難解になる。 本稿では、位置ずれ問題に対処するために、アライメント領域CNN(AR-CNN)と呼ばれる汎用マルチモーダル検出器を提案する。
  論文  参考訳（メタデータ） (2022-04-21T02:35:23Z)
• Non-Convex Tensor Low-Rank Approximation for Infrared Small Target Detection [32.67489082946838]
  赤外線小目標検出は、多くの赤外線システムにおいて重要な役割を果たす。 ほとんどの低ランク手法は、異なる特異値を不正確な背景推定に割り当てる。 この小さな赤外線ターゲット検出アルゴリズムに対して,非ネイティブ空間近似(NTLA)を提案する。
  論文  参考訳（メタデータ） (2021-05-31T14:04:58Z)
• Learning Polar Encodings for Arbitrary-Oriented Ship Detection in SAR Images [22.93997487064683]
  oriented bounding box (obb) に基づく手法は研究者から徐々に注目を集めている。 最近提案された深層学習に基づくOBB検出手法のほとんどは、角度やキーポイント回帰における境界不連続問題に遭遇する。 本稿では,極性符号化を学習し,SAR船の検出を提案する。
  論文  参考訳（メタデータ） (2021-03-24T12:52:54Z)
• MRDet: A Multi-Head Network for Accurate Oriented Object Detection in Aerial Images [51.227489316673484]
  水平アンカーから変換された指向性提案を生成するために、任意指向領域提案ネットワーク(AO-RPN)を提案する。 正確なバウンディングボックスを得るために,検出タスクを複数のサブタスクに分離し,マルチヘッドネットワークを提案する。 各ヘッドは、対応するタスクに最適な特徴を学習するために特別に設計されており、ネットワークがオブジェクトを正確に検出することができる。
  論文  参考訳（メタデータ） (2020-12-24T06:36:48Z)
• Robust Unsupervised Small Area Change Detection from SAR Imagery Using Deep Learning [23.203687716051697]
  合成開口レーダ(SAR)画像から小さな領域変化検出のための頑健な教師なし手法を提案する。 差分画像(DI)を生成するマルチスケールスーパーピクセル再構成法を開発した。 二段階中心拘束型ファジィc平均クラスタリングアルゴリズムを提案し、DIの画素を変化・変化・中間クラスに分割する。
  論文  参考訳（メタデータ） (2020-11-22T12:50:08Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)
• 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)
• End-to-end Learning for Inter-Vehicle Distance and Relative Velocity Estimation in ADAS with a Monocular Camera [81.66569124029313]
  本稿では,ディープニューラルネットワークのエンドツーエンドトレーニングに基づくカメラによる車間距離と相対速度推定手法を提案する。 提案手法の重要な特徴は,2つの時間的単眼フレームによって提供される複数の視覚的手がかりの統合である。 また,移動場における視線歪みの影響を緩和する車両中心サンプリング機構を提案する。
  論文  参考訳（メタデータ） (2020-06-07T08:18:31Z)
• Concept Drift Detection via Equal Intensity k-means Space Partitioning [40.77597229122878]
  等強度k平均空間分割(EI-kMeans)というクラスタベースのヒストグラム 3つのアルゴリズムは、グリーディセントロイドアルゴリズム、クラスタ増幅シンクアルゴリズム、ドリフト検出アルゴリズムを含む、概念ドリフト検出を実装するために開発された。 合成および実世界のデータセットの実験は、EI-kMeansの利点を示し、コンセプトドリフトを検出する効果を示す。
  論文  参考訳（メタデータ） (2020-04-24T08:00:16Z)

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。