Fugu-MT 論文翻訳(概要): Balance Scene Learning Mechanism for Offshore and Inshore Ship Detection in SAR Images

論文の概要: Balance Scene Learning Mechanism for Offshore and Inshore Ship Detection in SAR Images

arxiv url: http://arxiv.org/abs/2007.10714v2
Date: Mon, 21 Sep 2020 12:55:32 GMT
ステータス: 処理完了
システム内更新日: 2022-11-08 05:32:57.127319
Title: Balance Scene Learning Mechanism for Offshore and Inshore Ship Detection in SAR Images
Title（参考訳）: sar画像における海上・沿岸船舶検出のためのバランスシーン学習機構
Authors: Tianwen Zhang, Xiaoling Zhang, Jun Shi, Shunjun Wei, Jianguo Wang, Jianwei Li, Hao Su, and Yue Zhou
Abstract要約: 異なるシーンのサンプル数の大きな不均衡は、SAR(Synthetic Aperture Radar)の船舶検出精度を大幅に低下させる。本稿では,SAR画像における沖合および沖合の船舶検出のためのバランスシーン学習機構(BSLM)を提案する。
参考スコア（独自算出の注目度）: 23.321461517541497
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Huge imbalance of different scenes' sample numbers seriously reduces Synthetic Aperture Radar (SAR) ship detection accuracy. Thus, to solve this problem, this letter proposes a Balance Scene Learning Mechanism (BSLM) for offshore and inshore ship detection in SAR images.
Abstract（参考訳）: 異なるシーンのサンプル数の大きな不均衡は、SAR(Synthetic Aperture Radar)の船舶検出精度を大幅に低下させる。そこで本論文では,SAR画像における沖合および沖合の船舶検出のためのバランスシーン学習機構(BSLM)を提案する。

関連論文リスト

Multitask Learning for SAR Ship Detection with Gaussian-Mask Joint Segmentation [20.540873039361102]
本稿では,オブジェクト検出,スペックル抑制,ターゲットセグメンテーションタスクからなるSAR船舶検出のためのマルチタスク学習フレームワークを提案する。アスペクト比重み付けによる角度分類損失を導入し、角度周期性と物体比に対処して検出精度を向上させる。スペックル抑制タスクはデュアルフュージョンアテンション機構を使用してノイズを低減し、浅くノイズを生じさせる特徴を融合させ、ロバスト性を高める。ターゲットセグメンテーションタスクは、回転したガウスマスクを利用して、乱雑な背景から対象領域を抽出するネットワークを支援し、画素レベルの予測により検出効率を向上させる。
論文参考訳（メタデータ） (2024-11-21T05:10:41Z)
Wilcoxon Nonparametric CFAR Scheme for Ship Detection in SAR Image [0.0]
非パラメトリックCFAR検出器のクラスは、既知のクラッタ分布を仮定することなく、目標検出に対する一定の偽の警報率を維持することができる。 Radarsat-2, ICEYE-X6, およびGaofen-3 SAR画像上のいくつかの典型的なパラメトリックCFARスキームと比較して、ウィルコクソン非パラメトリック検出器の優れた誤報性能を維持するための堅牢性を明らかにする。
論文参考訳（メタデータ） (2024-01-11T20:46:39Z)
SAR Despeckling via Regional Denoising Diffusion Probabilistic Model [6.154796320245652]
生成モデルに基づく領域分割拡散確率モデル(R-DDPM) 本稿では, 生成モデルに基づく領域分割拡散確率モデル (R-DDPM) を提案する。
論文参考訳（メタデータ） (2024-01-06T04:34:46Z)
SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文参考訳（メタデータ） (2022-06-09T14:00:26Z)
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)
Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
論文参考訳（メタデータ） (2021-11-17T21:48:31Z)
RRNet: Relational Reasoning Network with Parallel Multi-scale Attention for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文参考訳（メタデータ） (2021-10-27T07:18:32Z)
Automated System for Ship Detection from Medium Resolution Satellite Optical Imagery [3.190574537106449]
本研究では,ESA Sentinel-2とPlanet Labs Doveの星座から得られた低解像度衛星画像に対する船舶検出パイプラインを提案する。この光学衛星画像は、合成開口レーダー(SAR)画像に基づく既存のソリューションと比較して、地球上の任意の場所で容易に利用でき、海洋領域では利用できない。
論文参考訳（メタデータ） (2021-04-28T15:06:18Z)
Boosting ship detection in SAR images with complementary pretraining techniques [14.34438598597809]
本研究では,地球観測中の船舶の特性を大規模空中画像データからsar画像に伝達する光船検出器(osd)プリトレーニング手法を提案する。また, 光画像からSAR画像へ, 共通表現学習により多量のテクスチャーを転送する, 光-SARマッチング(OSM)プリトレーニング手法を提案する。提案手法は、2020年のGaofenチャレンジでSAR画像の船舶検出第6位を獲得しました。
論文参考訳（メタデータ） (2021-03-15T10:03:04Z)
LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar Fusion [52.59664614744447]
本稿では,レーダセンサ情報と広範に使用されているライダーと高精細度(HD)マップを用いた新しい終端軌道予測手法LiRaNetを提案する。自動車レーダーは、リッチで補完的な情報を提供し、より長い距離の車両検出と即時速度測定を可能にします。
論文参考訳（メタデータ） (2020-10-02T00:13:00Z)
Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
論文参考訳（メタデータ） (2020-09-30T19:01:33Z)

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。