Fugu-MT 論文翻訳(概要): Boosting ship detection in SAR images with complementary pretraining techniques

論文の概要: Boosting ship detection in SAR images with complementary pretraining techniques

arxiv url: http://arxiv.org/abs/2103.08251v1
Date: Mon, 15 Mar 2021 10:03:04 GMT
ステータス: 処理完了
システム内更新日: 2021-03-16 14:30:01.969596
Title: Boosting ship detection in SAR images with complementary pretraining techniques
Title（参考訳）: 相補的事前訓練によるSAR画像の船体検出
Authors: Wei Bao, Meiyu Huang, Yaqin Zhang, Yao Xu, Xuejiao Liu, Xueshuang Xiang
Abstract要約: 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。
参考スコア（独自算出の注目度）: 14.34438598597809
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep learning methods have made significant progress in ship detection in synthetic aperture radar (SAR) images. The pretraining technique is usually adopted to support deep neural networks-based SAR ship detectors due to the scarce labeled SAR images. However, directly leveraging ImageNet pretraining is hardly to obtain a good ship detector because of different imaging perspective and geometry. In this paper, to resolve the problem of inconsistent imaging perspective between ImageNet and earth observations, we propose an optical ship detector (OSD) pretraining technique, which transfers the characteristics of ships in earth observations to SAR images from a large-scale aerial image dataset. On the other hand, to handle the problem of different imaging geometry between optical and SAR images, we propose an optical-SAR matching (OSM) pretraining technique, which transfers plentiful texture features from optical images to SAR images by common representation learning on the optical-SAR matching task. Finally, observing that the OSD pretraining based SAR ship detector has a better recall on sea area while the OSM pretraining based SAR ship detector can reduce false alarms on land area, we combine the predictions of the two detectors through weighted boxes fusion to further improve detection results. Extensive experiments on four SAR ship detection datasets and two representative CNN-based detection benchmarks are conducted to show the effectiveness and complementarity of the two proposed detectors, and the state-of-the-art performance of the combination of the two detectors. The proposed method won the sixth place of ship detection in SAR images in 2020 Gaofen challenge.
Abstract（参考訳）: 深層学習法は, 合成開口レーダ(SAR)画像における船体検出に大きな進歩をもたらした。プレトレーニング技術は通常、SAR画像が不足しているため、ディープニューラルネットワークベースのSAR船検出器をサポートするために採用されている。しかし,イメージネットの事前学習の直接利用は,画像の視点や形状が異なっており,良好な船舶検出器を得ることは困難である。本論文では,画像ネットと地球観測との一貫性のない画像視点の問題を解決するため,大規模空中画像データセットから地球観測中の船舶の特性をsar画像に転送するosd(optical ship detector)プリトレーニング手法を提案する。一方、光学画像とSAR画像の異なる撮像ジオメトリの問題に対処するために、光-SARマッチングタスクの共通表現学習により、光学画像からSAR画像に豊富なテクスチャー特性を転送する光-SARマッチング(OSM)プリトレーニング技術を提案します。最後に,OSD事前訓練型SAR船検知器は,海面でのリコールが良好であるのに対して,OSM事前訓練型SAR船検出器は陸域での誤報を低減し,重み付きボックス融合による2つの検出器の予測を組み合わせることにより,検出結果をさらに改善する。 4つのSAR船体検出データセットと2つの代表的CNNベース検出ベンチマークの広範囲な実験を行い、提案した2つの検出器の有効性と相補性、および2つの検出器の組み合わせの最先端性能を示す。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。

関連論文リスト

Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文参考訳（メタデータ） (2024-08-28T10:07:17Z)
DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2023-12-11T18:38:28Z)
Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文参考訳（メタデータ） (2023-08-24T12:32:46Z)
Automatized marine vessel monitoring from sentinel-1 data using convolution neural network [0.0]
本稿では,ウェーブレット変換に基づく畳み込みニューラルネットワークによるSAR画像からの物体認識手法を提案する。 Sentinel-1 SAR-Cによるインド西部沿岸域の二重分極データ取得を含む。
論文参考訳（メタデータ） (2023-04-23T18:09:44Z)
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)
SAR-ShipNet: SAR-Ship Detection Neural Network via Bidirectional Coordinate Attention and Multi-resolution Feature Fusion [7.323279438948967]
本稿では,ニューラルネットワークによる合成開口レーダ(SAR)画像から,事実上有意義な船舶検出問題について検討する。本稿では,CentralNetに基づく双方向協調注意(BCA)とMRF(Multi- resolution Feature Fusion)を新たに開発したSAR-ShipNet(略してSAR-ShipNet)を提案する。パブリックなSAR-Shipデータセットの実験結果から,SAR-ShipNetは速度と精度の両面で競争上の優位性を達成していることがわかった。
論文参考訳（メタデータ） (2022-03-29T12:27:04Z)
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)
Visualization of Deep Transfer Learning In SAR Imagery [0.0]
eo shipデータセットでトレーニングされたネットワークの深い機能を活用するために、転送学習を検討する。クラスアクティベーションマップの形でネットワークアクティベーションを調べることで、ディープネットワークが新しいモダリティをどのように解釈するかを知ることができます。
論文参考訳（メタデータ） (2021-03-20T00:16:15Z)
ShipSRDet: An End-to-End Remote Sensing Ship Detector Using Super-Resolved Feature Representation [8.464914977101252]
船舶検知性能を向上させるために,ShipSRDetというエンドツーエンドネットワークを提案する。本手法では,超解像イメージを検出器に供給するだけでなく,SRネットワークの中間機能と検出ネットワークの中間機能を統合する。
論文参考訳（メタデータ） (2021-03-17T14:51:45Z)
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)
Speckle2Void: Deep Self-Supervised SAR Despeckling with Blind-Spot Convolutional Neural Networks [30.410981386006394]
切り離しはシーン分析アルゴリズムの重要な予備段階ですディープラーニングの最近の成功は、新しい世代の非仕様化技術が想定されている。本稿では,自己教師型ベイズ解法を提案する。
論文参考訳（メタデータ） (2020-07-04T11:38:48Z)

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。