論文の概要: Fast Single-shot Ship Instance Segmentation Based on Polar Template Mask
in Remote Sensing Images
- arxiv url: http://arxiv.org/abs/2008.12447v1
- Date: Fri, 28 Aug 2020 02:38:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-24 02:15:24.247363
- Title: Fast Single-shot Ship Instance Segmentation Based on Polar Template Mask
in Remote Sensing Images
- Title（参考訳）: リモートセンシング画像における極性テンプレートマスクを用いた高速単発船舶インスタンスセグメンテーション
- Authors: Zhenhang Huang, Shihao Sun, Ruirui Li
- Abstract要約: 本稿では,概念的にシンプルで簡単な単一ショット畳み込みニューラルネットワーク構造を提案する。
SSS-Netと呼ばれる本手法は,対象物の中心の位置に基づいて対象物を検出する。
Airbus Ship Detection ChallengeデータセットとISAIDshipsデータセットの両方の実験によると、SSS-Netは、船のインスタンスセグメンテーションの精度と速度において、強力な競争力を持っている。
- 参考スコア（独自算出の注目度）: 7.45725819658858
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Object detection and instance segmentation in remote sensing images is a
fundamental and challenging task, due to the complexity of scenes and targets.
The latest methods tried to take into account both the efficiency and the
accuracy of instance segmentation. In order to improve both of them, in this
paper, we propose a single-shot convolutional neural network structure, which
is conceptually simple and straightforward, and meanwhile makes up for the
problem of low accuracy of single-shot networks. Our method, termed with
SSS-Net, detects targets based on the location of the object's center and the
distances between the center and the points on the silhouette sampling with
non-uniform angle intervals, thereby achieving abalanced sampling of lines in
mask generation. In addition, we propose a non-uniform polar template IoU based
on the contour template in polar coordinates. Experiments on both the Airbus
Ship Detection Challenge dataset and the ISAIDships dataset show that SSS-Net
has strong competitiveness in precision and speed for ship instance
segmentation.
- Abstract（参考訳）: リモートセンシング画像におけるオブジェクト検出とインスタンスセグメンテーションは、シーンとターゲットの複雑さのため、基本的かつ困難なタスクである。
最新の手法では、インスタンスセグメンテーションの効率と精度の両方を考慮に入れようとした。
そこで本論文では,この2つを改善するために,概念的に単純で単純で,かつ低精度な単発畳み込みニューラルネットワーク構造を提案する。
SSS-Netと呼ばれる本手法は, 物体の中心の位置と, 非一様角度間隔のシルエットサンプリング点との距離に基づいて目標を検出し, マスク生成におけるラインのバランスの取れたサンプリングを実現する。
さらに、極座標の輪郭テンプレートに基づく非一様極性テンプレートIoUを提案する。
Airbus Ship Detection ChallengeデータセットとISAIDshipsデータセットの両方の実験によると、SSS-Netは、船のインスタンスセグメンテーションの精度と速度において、強力な競争力を持っている。
関連論文リスト
- Lidar Panoptic Segmentation and Tracking without Bells and Whistles [48.078270195629415]
ライダーセグメンテーションと追跡のための検出中心ネットワークを提案する。
私たちのネットワークのコアコンポーネントの1つは、オブジェクトインスタンス検出ブランチです。
提案手法を複数の3D/4D LPSベンチマークで評価し,我々のモデルがオープンソースモデル間で新たな最先端性を確立することを確認した。
論文 参考訳（メタデータ） (2023-10-19T04:44:43Z) - Monte Carlo Linear Clustering with Single-Point Supervision is Enough
for Infrared Small Target Detection [48.707233614642796]
SIRST(Single-frame infrared small target)検出は、赤外線画像上の乱雑な背景から小さなターゲットを分離することを目的としている。
ディープラーニングに基づく手法は、SIRST検出において有望な性能を達成したが、大量のトレーニングデータを犠牲にしている。
単一点監視を用いたSIRST検出のための最初の手法を提案する。
論文 参考訳（メタデータ） (2023-04-10T08:04:05Z) - OST: Efficient One-stream Network for 3D Single Object Tracking in Point Clouds [6.661881950861012]
本稿では,従来のシームズネットワークで発生した相関操作を回避するために,インスタンスレベルのエンコーディングの強みを活かした新しい一ストリームネットワークを提案する。
提案手法は,クラス固有のトラッキングだけでなく,より少ない計算と高い効率でクラスに依存しないトラッキングを実現する。
論文 参考訳（メタデータ） (2022-10-16T12:31:59Z) - PointInst3D: Segmenting 3D Instances by Points [136.7261709896713]
本稿では,ポイント単位の予測方式で機能する,完全畳み込み型3Dポイントクラウドインスタンスセグメンテーション手法を提案する。
その成功の鍵は、各サンプルポイントに適切なターゲットを割り当てることにある。
提案手法はScanNetとS3DISのベンチマークで有望な結果が得られる。
論文 参考訳（メタデータ） (2022-04-25T02:41:46Z) - Real-Time Scene Text Detection with Differentiable Binarization and
Adaptive Scale Fusion [62.269219152425556]
セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。
本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。
アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
論文 参考訳（メタデータ） (2022-02-21T15:30:14Z) - CPSeg: Cluster-free Panoptic Segmentation of 3D LiDAR Point Clouds [2.891413712995641]
CPSegと呼ばれるLiDAR点雲のための新しいリアルタイム・エンド・エンド・エンド・パノプティクス・セグメンテーション・ネットワークを提案する。
CPSegは、共有エンコーダ、デュアルデコーダ、タスク認識アテンションモジュール(TAM)、クラスタフリーインスタンスセグメンテーションヘッドを備える。
論文 参考訳（メタデータ） (2021-11-02T16:44:06Z) - SiamPolar: Semi-supervised Realtime Video Object Segmentation with Polar
Representation [6.108508667949229]
そこで我々は,新しい極性表現を用いたシームズネットワークに基づく半教師付きリアルタイム手法を提案する。
極性表現は、微妙な精度の損失でマスクを符号化するためのパラメータを減らすことができる。
また、異なる空間スケールから特徴を抽出するために、非対称シャイムネットワークも開発されている。
論文 参考訳（メタデータ） (2021-10-27T21:10:18Z) - SPU-Net: Self-Supervised Point Cloud Upsampling by Coarse-to-Fine
Reconstruction with Self-Projection Optimization [52.20602782690776]
実際のスキャンされたスパースデータからトレーニング用の大規模なペアリングスパーススキャンポイントセットを得るのは高価で面倒です。
本研究では,SPU-Net と呼ばれる自己監視型点群アップサンプリングネットワークを提案する。
本研究では,合成データと実データの両方について様々な実験を行い,最先端の教師付き手法と同等の性能が得られることを示す。
論文 参考訳（メタデータ） (2020-12-08T14:14:09Z) - Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。
従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。
我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。
これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
論文 参考訳（メタデータ） (2020-08-31T17:10:48Z) - Depthwise Non-local Module for Fast Salient Object Detection Using a
Single Thread [136.2224792151324]
本稿では,高速な物体検出の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。
提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
論文 参考訳（メタデータ） (2020-01-22T15:23:48Z)
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。