論文の概要: A Light-Weight Object Detection Framework with FPA Module for Optical
Remote Sensing Imagery
- arxiv url: http://arxiv.org/abs/2009.03063v1
- Date: Mon, 7 Sep 2020 12:41:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 03:06:11.971198
- Title: A Light-Weight Object Detection Framework with FPA Module for Optical
Remote Sensing Imagery
- Title（参考訳）: 光リモートセンシングのためのFPAモジュールを用いた軽量物体検出フレームワーク
- Authors: Xi Gu, Lingbin Kong, Zhicheng Wang, Jie Li, Zhaohui Yu, Gang Wei
- Abstract要約: 本稿では,効率的なアンカーフリー物体検出器CenterFPANetを提案する。
速度を追求するために、軽量なバックボーンを使用し、非対称な革命ブロックを導入する。
この戦略は、検出速度を低下させることなく、リモートセンシング画像オブジェクト検出の精度を向上させることができる。
- 参考スコア（独自算出の注目度）: 12.762588615997624
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the development of remote sensing technology, the acquisition of remote
sensing images is easier and easier, which provides sufficient data resources
for the task of detecting remote sensing objects. However, how to detect
objects quickly and accurately from many complex optical remote sensing images
is a challenging hot issue. In this paper, we propose an efficient anchor free
object detector, CenterFPANet. To pursue speed, we use a lightweight backbone
and introduce the asymmetric revolution block. To improve the accuracy, we
designed the FPA module, which links the feature maps of different levels, and
introduces the attention mechanism to dynamically adjust the weights of each
level of feature maps, which solves the problem of detection difficulty caused
by large size range of remote sensing objects. This strategy can improve the
accuracy of remote sensing image object detection without reducing the
detection speed. On the DOTA dataset, CenterFPANet mAP is 64.00%, and FPS is
22.2, which is close to the accuracy of the anchor-based methods currently used
and much faster than them. Compared with Faster RCNN, mAP is 6.76% lower but
60.87% faster. All in all, CenterFPANet achieves a balance between speed and
accuracy in large-scale optical remote sensing object detection.
- Abstract（参考訳）: リモートセンシング技術の開発により、リモートセンシング画像の取得が容易になり、リモートセンシングオブジェクトを検出するタスクに十分なデータ資源が提供される。
しかし、多くの複雑な光学リモートセンシング画像から物体を迅速かつ正確に検出する方法は、難しい課題である。
本稿では,効率的なアンカーフリー物体検出器CenterFPANetを提案する。
速度を追求するために、軽量なバックボーンを使用し、非対称な革命ブロックを導入する。
精度を向上させるため、異なるレベルの特徴マップをリンクするFPAモジュールを設計し、各特徴マップの重み付けを動的に調整するアテンション機構を導入し、大規模なリモートセンシングオブジェクトによる検出困難を解消した。
この戦略は、検出速度を低下させることなく、リモートセンシング画像オブジェクト検出の精度を向上させることができる。
dotaデータセットでは、中心fpanetマップは64.00%、fpsは22.2であり、現在使用されているアンカーベースメソッドの精度に近く、はるかに高速である。
高速RCNNと比較して、mAPは6.76%低いが60.87%高速である。
全体として、CenterFPANetは、大規模リモートセンシングオブジェクト検出において、速度と精度のバランスをとる。
関連論文リスト
- RSNet: A Light Framework for The Detection of Multi-scale Remote Sensing Targets [10.748210940033484]
RSNetは、SAR画像における船舶検出を強化する軽量フレームワークである。
Waveletpool-ContextGuided (WCG)は、グローバルなコンテキスト理解を導くバックボーンである。
ウェーブレットプール・スターフュージョン (WSF) は、残っているウェーブレット要素の乗算構造を用いてネックとして導入された。
論文 参考訳（メタデータ） (2024-10-30T14:46:35Z) - RemoteDet-Mamba: A Hybrid Mamba-CNN Network for Multi-modal Object Detection in Remote Sensing Images [13.98477009749389]
我々は,RemoteDet-Mambaと呼ばれる,四方向選択的走査型融合方式を用いたマルチモーダルリモートセンシングネットワークを提案する。
RemoteDet-Mambaは、単一モードのローカル機能の学習とパッチレベルのグローバル機能の統合を同時に促進する。
DroneVehicleデータセットの実験結果は、RemoteDet-Mambaの有効性を示している。
論文 参考訳（メタデータ） (2024-10-17T13:20:20Z) - Multi-Modal Neural Radiance Field for Monocular Dense SLAM with a
Light-Weight ToF Sensor [58.305341034419136]
単眼カメラと軽量ToFセンサを備えた初の高密度SLAMシステムを提案する。
本稿では,RGBカメラと軽量ToFセンサの両方の信号のレンダリングをサポートするマルチモーダル暗黙のシーン表現を提案する。
実験により,本システムは軽量なToFセンサの信号をうまく利用し,競合的な結果が得られることが示された。
論文 参考訳（メタデータ） (2023-08-28T07:56:13Z) - Adaptive Rotated Convolution for Rotated Object Detection [96.94590550217718]
本稿では、回転物体検出問題に対処するために、適応回転変換(ARC)モジュールを提案する。
ARCモジュールでは、コンボリューションカーネルが適応的に回転し、異なる画像に異なる向きのオブジェクト特徴を抽出する。
提案手法は,81.77%mAPのDOTAデータセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2023-03-14T11:53:12Z) - Fewer is More: Efficient Object Detection in Large Aerial Images [59.683235514193505]
本稿では,検出者がより少ないパッチに注目するのに対して,より効率的な推論とより正確な結果を得るのに役立つObjectness Activation Network(OAN)を提案する。
OANを用いて、5つの検出器は3つの大規模な空中画像データセットで30.0%以上のスピードアップを取得する。
我々はOANをドライブシーン物体検出と4Kビデオ物体検出に拡張し,検出速度をそれぞれ112.1%,75.0%向上させた。
論文 参考訳（メタデータ） (2022-12-26T12:49:47Z) - Fast Fourier Convolution Based Remote Sensor Image Object Detection for
Earth Observation [0.0]
リモートセンシングオブジェクト検出のための周波数対応特徴ピラミッドフレームワーク(FFPF)を提案する。
F-ResNetは、周波数領域の畳み込みをバックボーンの各ステージに差し込み、スペクトルコンテキスト情報を知覚するために提案される。
BSFPNは、双方向サンプリング戦略とスキップ接続を用いて、異なるスケールの物体の特徴の関連をより良くモデル化するように設計されている。
論文 参考訳（メタデータ） (2022-09-01T15:50:58Z) - 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) - Infrared Small-Dim Target Detection with Transformer under Complex
Backgrounds [155.388487263872]
変換器を用いた赤外線小径目標検出手法を提案する。
画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。
最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
論文 参考訳（メタデータ） (2021-09-29T12:23:41Z) - 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) - PolarDet: A Fast, More Precise Detector for Rotated Target in Aerial
Images [27.91544183861098]
PolarDetは、極座標表現に基づく高速で正確な1段階の物体検出器である。
検出器は, サブピクセル中心のセマンティック構造を導入し, 精度の向上を図る。
DOTA,UCAS-AOD,HRSCはそれぞれ76.64% mAP,97.01% mAP,90.46% mAPである。
論文 参考訳（メタデータ） (2020-10-17T05:16:46Z)
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。