論文の概要: Multiple Infrared Small Targets Detection based on Hierarchical Maximal
Entropy Random Walk
- arxiv url: http://arxiv.org/abs/2010.00923v1
- Date: Fri, 2 Oct 2020 11:11:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 01:53:16.175458
- Title: Multiple Infrared Small Targets Detection based on Hierarchical Maximal
Entropy Random Walk
- Title（参考訳）: 階層的最大エントロピーランダムウォークに基づく多重赤外小ターゲット検出
- Authors: Chaoqun Xia, Xiaorun Li, Liaoying Zhao, Shuhan Chen
- Abstract要約: 我々は,最大エントロピーランダムウォーク(MERW)から導かれる検出方法を確立し,複数の小目標を頑健に検出する。
提案手法は, 目標強調, 背景抑圧, 複数小目標検出の観点から, 最先端の手法よりも優れている。
- 参考スコア（独自算出の注目度）: 12.10092482860325
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The technique of detecting multiple dim and small targets with low
signal-to-clutter ratios (SCR) is very important for infrared search and
tracking systems. In this paper, we establish a detection method derived from
maximal entropy random walk (MERW) to robustly detect multiple small targets.
Initially, we introduce the primal MERW and analyze the feasibility of applying
it to small target detection. However, the original weight matrix of the MERW
is sensitive to interferences. Therefore, a specific weight matrix is designed
for the MERW in principle of enhancing characteristics of small targets and
suppressing strong clutters. Moreover, the primal MERW has a critical
limitation of strong bias to the most salient small target. To achieve multiple
small targets detection, we develop a hierarchical version of the MERW method.
Based on the hierarchical MERW (HMERW), we propose a small target detection
method as follows. First, filtering technique is used to smooth the infrared
image. Second, an output map is obtained by importing the filtered image into
the HMERW. Then, a coefficient map is constructed to fuse the stationary
dirtribution map of the HMERW. Finally, an adaptive threshold is used to
segment multiple small targets from the fusion map. Extensive experiments on
practical data sets demonstrate that the proposed method is superior to the
state-of-the-art methods in terms of target enhancement, background suppression
and multiple small targets detection.
- Abstract（参考訳）: 低信号対クラッタ比(scr)で複数のdimmおよび小型ターゲットを検出する技術は、赤外線サーチおよび追跡システムにとって非常に重要である。
本稿では,最大エントロピーランダムウォーク(merw)から導出した検出法を確立し,複数の小型ターゲットをロバストに検出する。
はじめに第一回merwを導入し,小型ターゲット検出に適用する可能性について検討した。
しかし、MERWの元々の重量行列は干渉に敏感である。
したがって, MERW は, 小型目標の特性を向上し, 強いクラッタを抑制するために, 比重行列を設計する。
さらに、原始merwは最も塩分の多い小さなターゲットに対して強いバイアスの限界を持っている。
複数の小さなターゲット検出を実現するため,MERW法の階層バージョンを開発した。
階層的MERW (HMERW) に基づいて, 以下の小さなターゲット検出手法を提案する。
まず、赤外線画像の平滑化にフィルタリング技術を用いる。
次に、フィルタされた画像をHMERWにインポートして出力マップを得る。
そして、hmerwの定常汚れマップを融合させるために係数マップを構築する。
最後に、適応しきい値を用いて、融合マップから複数の小さなターゲットを分割する。
実用的なデータセットに関する広範囲な実験により,提案手法は,目標強調,背景抑圧,複数の小目標検出において最先端手法よりも優れていることが示された。
関連論文リスト
- Infrared Small Target Detection based on Adjustable Sensitivity Strategy and Multi-Scale Fusion [2.661766509317245]
調整可能な感度(AS)戦略とマルチスケール融合に基づく改良された赤外線小ターゲット検出手法を提案する。
具体的には、マルチスケール方向対応ネットワーク(MSDA-Net)に基づくマルチスケールモデル融合フレームワークを構築する。
このスキームは、PRCV 2024ワイドエリア赤外線小目標検出競技で優勝した。
論文 参考訳（メタデータ） (2024-07-29T15:22:02Z) - Sparse Prior Is Not All You Need: When Differential Directionality Meets Saliency Coherence for Infrared Small Target Detection [15.605122893098981]
本研究では,Sparse Differential Directionality prior (SDD)フレームワークを提案する。
我々は、ターゲットの異なる方向特性を活用して、それらを背景と区別する。
さらに、サリエンシ・コヒーレンス・ストラテジーにより、目標検出性をさらに強化する。
近似交互最小化法(PAM)アルゴリズムは,提案したモデルを効率的に解く。
論文 参考訳（メタデータ） (2024-07-22T04:32:43Z) - Mitigate Target-level Insensitivity of Infrared Small Target Detection
via Posterior Distribution Modeling [5.248337726304453]
Infrared Small Target Detection (IRSTD) は、赤外線クラッタ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。
マスク後部分布モデルを用いて画素レベルの判別を補正する赤外線小ターゲット検出のための拡散モデルフレームワークを提案する。
実験により,提案手法は, NUAA-SIRST, IRSTD-1k, NUDT-SIRSTデータセット上での最先端手法と競合する性能向上を実現することを示した。
論文 参考訳（メタデータ） (2024-03-13T09:45:30Z) - SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised
Learning for Robust Infrared Small Target Detection [53.19618419772467]
単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。
Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。
赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
論文 参考訳（メタデータ） (2024-03-08T16:14:54Z) - SpirDet: Towards Efficient, Accurate and Lightweight Infrared Small
Target Detector [60.42293239557962]
我々は、赤外線小ターゲットの効率的な検出のための新しいアプローチであるSpirDetを提案する。
新しいデュアルブランチスパースデコーダを用いて特徴写像を復元する。
大規模な実験により、提案されたSpirDetは最先端モデルよりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2024-02-08T05:06:14Z) - Small Object Detection via Coarse-to-fine Proposal Generation and
Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。
CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文 参考訳（メタデータ） (2023-08-18T13:13:09Z) - 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) - 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) - Infrared small target detection based on isotropic constraint under
complex background [10.091959130890956]
ターゲットの低信号・クラッタ比(SCR)と不規則な背景クラッタによる干渉は正確な結果を得るのを難しくする。
等方性に制約された多層灰色の差分法(MGD)を提案する。
実験の結果,提案手法は信号-クラッタ比ゲイン (SCRG) と受信動作特性 (ROC) 曲線の両面で,いくつかの一般的な手法よりも有効で優れていることがわかった。
論文 参考訳（メタデータ） (2020-11-24T12:25:05Z) - Infrared target tracking based on proximal robust principal component
analysis method [12.560236015149965]
赤外線標的追跡は、民間と軍事の両方において重要な役割を担っている。
赤外線シーケンスのためのロバストで高精度なトラッカーを設計する際の主な課題は、重複、閉塞、外観変化である。
本稿では、近位頑健な主成分分析法に基づく赤外線ターゲットトラッカーを提案する。
論文 参考訳（メタデータ） (2020-10-11T14:54:00Z) - 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)
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。