論文の概要: Arbitrary-Oriented Ship Detection through Center-Head Point Extraction
- arxiv url: http://arxiv.org/abs/2101.11189v1
- Date: Wed, 27 Jan 2021 03:58:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-02 04:12:55.420245
- Title: Arbitrary-Oriented Ship Detection through Center-Head Point Extraction
- Title（参考訳）: センターヘッドポイント抽出による任意方向船舶検出
- Authors: Feng Zhang, Xueying Wang, Shilin Zhou, Yingqian Wang
- Abstract要約: リモートセンシング画像における任意方向の船舶検出を実現するために,センターヘッドポイント抽出ベース検出器(CHPDet)を提案する。
私たちのCHPDetは、方向を決定するために使用されるヘッドポイントを持つ回転箱として任意の向きの船を定式化します。
我々のCHPDetは最先端の性能を達成し、弓と船尾をよく区別できる。
- 参考スコア（独自算出の注目度）: 11.45718985586972
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ship detection in remote sensing images plays a crucial role in military and
civil applications and has drawn increasing attention in recent years. However,
existing multi-oriented ship detection methods are generally developed on a set
of predefined rotated anchor boxes. These predefined boxes not only lead to
inaccurate angle predictions but also introduce extra hyper-parameters and high
computational cost. Moreover, the prior knowledge of ship size has not been
fully exploited by existing methods, which hinders the improvement of their
detection accuracy. Aiming at solving the above issues, in this paper, we
propose a center-head point extraction based detector (named CHPDet) to achieve
arbitrary-oriented ship detection in remote sensing images. Our CHPDet
formulates arbitrary-oriented ships as rotated boxes with head points which are
used to determine the direction. Key-point estimation is performed to find the
center of ships. Then the size and head points of the ship is regressed.
Finally, we use the target size as prior to finetune the results. Moreover, we
introduce a new dataset for multi-class arbitrary-oriented ship detection in
remote sensing Images at fixed ground sample distance (GSD) which is named
FGSD2021. Experimental results on two ship detection datasets (i.e., FGSD2021
and HRSC2016) demonstrate that our CHPDet achieves state-of-the-art performance
and can well distinguish bow and stern. The code and dataset will be made
publicly available.
- Abstract（参考訳）: リモートセンシング画像の船舶検出は、軍事や市民の用途で重要な役割を果たし、近年ますます注目を集めています。
しかし, 既存の複数方向船体検出法は, 既定回転アンカーボックスのセットで開発されている。
これらの事前定義されたボックスは、不正確な角度予測をもたらすだけでなく、余分なハイパーパラメータと高い計算コストをもたらす。
さらに, 船体サイズに関する先行知識は, 従来の手法では十分に活用されておらず, 検出精度の向上を妨げている。
本論文では,上記の課題を解決するために,遠隔センシング画像において任意の方向の船舶検出を実現する中心点抽出型検出器(CHPDet)を提案する。
CHPDetは、方向を決定するために使用されるヘッドポイントを備えた回転ボックスとして任意の方向の船を定式化します。
船の中心を見つけるためにキーポイント推定を行う。
そして、船の大きさとヘッドポイントを後退させる。
最後に、結果を微調整する前にターゲットサイズを使用します。
さらに,fgsd2021と呼ばれる固定地試料距離(gsd)におけるリモートセンシング画像における多種任意方向船舶検出のための新しいデータセットを提案する。
2つの船舶検出データセット(FGSD2021およびHRSC2016)の実験結果は、CHPDetが最先端の性能を達成し、弓と船尾を適切に区別できることを示しています。
コードとデータセットは一般公開される予定だ。
関連論文リスト
- Super Sparse 3D Object Detection [48.684300007948906]
LiDARベースの3Dオブジェクト検出は、自動運転における長距離認識にますます貢献する。
高速な長距離検出を実現するため,まずフルスパース物体検出器FSDを提案する。
FSD++は、連続するフレーム間の点変化を示す残差点を生成する。
論文 参考訳（メタデータ） (2023-01-05T17:03:56Z) - Fully Sparse 3D Object Detection [57.05834683261658]
長距離LiDARオブジェクト検出のためのフルスパース3Dオブジェクト検出器(FSD)を構築した。
FSDは一般的なスパース・ボクセル・エンコーダと新しいスパース・インスタンス認識(SIR)モジュール上に構築されている。
SIRは、ポイントをインスタンスにグループ化することで、以前のポイントベースのメソッドでの待ち行列クエリを避ける。
論文 参考訳（メタデータ） (2022-07-20T17:01:33Z) - MidNet: An Anchor-and-Angle-Free Detector for Oriented Ship Detection in
Aerial Images [32.92312549385758]
そこで本研究では,各対象,すなわちMidNetを符号化するセンターと4つの中間点を配置する新しい検出器を提案する。
2つの公開船検出データセットでは、MidNetは90.52%と86.50%のAPを達成し、最先端の検出器を上回っている。
論文 参考訳（メタデータ） (2021-11-22T02:52:30Z) - Anchor-free Oriented Proposal Generator for Object Detection [59.54125119453818]
オブジェクト指向物体検出はリモートセンシング画像解釈において実用的で困難な課題である。
今日では、指向性検出器は主に水平方向の箱を中間体として使用し、それらから指向性のある箱を導出している。
本稿では,ネットワークアーキテクチャから水平ボックス関連操作を放棄する,AOPG(Anchor-free Oriented Proposal Generator)を提案する。
論文 参考訳（メタデータ） (2021-10-05T10:45:51Z) - FOVEA: Foveated Image Magnification for Autonomous Navigation [53.69803081925454]
入力キャンバスを小さく保ちながら、ある領域を弾性的に拡大する注意的アプローチを提案する。
提案手法は,高速R-CNNより高速かつ微調整の少ない検出APを高速化する。
Argoverse-HD と BDD100K の自律走行データセットでは,提案手法が標準の高速 R-CNN を超越した検出APを微調整なしで促進することを示す。
論文 参考訳（メタデータ） (2021-08-27T03:07:55Z) - OSKDet: Towards Orientation-sensitive Keypoint Localization for Rotated
Object Detection [0.0]
オリエンテーション感度キーポイントに基づく回転検出器OSKDetを提案する。
ターゲットを特徴付けるキーポイントのセットを採用し、roi上のキーポイントヒートマップを予測して回転したターゲットを形成する。
DOTAは77.81%、HRSC2016は89.91%、UCAS-AODは97.18%である。
論文 参考訳（メタデータ） (2021-04-18T03:40:52Z) - 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) - 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) - A Novel CNN-based Method for Accurate Ship Detection in HR Optical
Remote Sensing Images via Rotated Bounding Box [10.689750889854269]
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。
論文 参考訳（メタデータ） (2020-04-15T14:48:46Z) - FGSD: A Dataset for Fine-Grained Ship Detection in High Resolution
Satellite Images [22.883300168530035]
高解像度リモートセンシング画像を用いた船舶検出は、海面規制に寄与する重要な課題である。
船舶検出研究の促進を目的として, FGSD と命名された, きめ細かな船舶検出データセットを新たに導入した。
このデータセットは、世界中の複数の大きな港からの船のサンプルを含む高解像度のリモートセンシング画像を集めている。
論文 参考訳（メタデータ） (2020-03-15T13:54:20Z) - On the Arbitrary-Oriented Object Detection: Classification based
Approaches Revisited [94.5455251250471]
まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。
我々は、角予測タスクを回帰問題から分類問題に変換する。
得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
論文 参考訳（メタデータ） (2020-03-12T03:23:54Z)
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。