Fugu-MT 論文翻訳(概要): ShipSRDet: An End-to-End Remote Sensing Ship Detector Using Super-Resolved Feature Representation

論文の概要: ShipSRDet: An End-to-End Remote Sensing Ship Detector Using Super-Resolved Feature Representation

arxiv url: http://arxiv.org/abs/2103.09699v1
Date: Wed, 17 Mar 2021 14:51:45 GMT
ステータス: 処理完了
システム内更新日: 2021-03-18 15:49:53.507862
Title: ShipSRDet: An End-to-End Remote Sensing Ship Detector Using Super-Resolved Feature Representation
Title（参考訳）: ShipSRDet:超解像表現を用いたエンドツーエンドリモートセンシング船検知装置
Authors: Shitian He, Huanxin Zou, Yingqian Wang, Runlin Li, Fei Cheng
Abstract要約: 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。
参考スコア（独自算出の注目度）: 8.464914977101252
License: http://creativecommons.org/licenses/by/4.0/
Abstract: High-resolution remote sensing images can provide abundant appearance information for ship detection. Although several existing methods use image super-resolution (SR) approaches to improve the detection performance, they consider image SR and ship detection as two separate processes and overlook the internal coherence between these two correlated tasks. In this paper, we explore the potential benefits introduced by image SR to ship detection, and propose an end-to-end network named ShipSRDet. In our method, we not only feed the super-resolved images to the detector but also integrate the intermediate features of the SR network with those of the detection network. In this way, the informative feature representation extracted by the SR network can be fully used for ship detection. Experimental results on the HRSC dataset validate the effectiveness of our method. Our ShipSRDet can recover the missing details from the input image and achieves promising ship detection performance.
Abstract（参考訳）: 高解像度リモートセンシング画像は船舶検出に豊富な外観情報を提供することができる。既存のいくつかの手法では、画像超解像(SR)アプローチを用いて検出性能を向上させるが、画像SRと船体検出を2つの別々のプロセスとみなし、これらの2つの相関タスク間の内部コヒーレンスを見落としている。本稿では,画像SRが船舶検出にもたらす潜在的な利点について検討し,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,超解像画像を検出器に供給するだけでなく,srネットワークの中間特性と検出ネットワークの機能を統合する。これにより、SRネットワークによって抽出された情報的特徴表現を船体検出に活用することができる。本手法の有効性をHRSCデータセットで検証した。船体は入力画像から失われた詳細を復元し、有望な船舶検出性能を達成する。

関連論文リスト

Semantic Guided Large Scale Factor Remote Sensing Image Super-resolution with Generative Diffusion Prior [13.148815217684277]
大規模因子超解像(SR)アルゴリズムは、軌道から取得した低解像度(LR)衛星データの最大化に不可欠である。既存の手法では、鮮明なテクスチャと正しい接地オブジェクトでSR画像を復元する際の課題に直面している。本稿では,大規模リモートセンシング画像の超解像を実現するための新しいフレームワークであるセマンティックガイド拡散モデル(SGDM)を提案する。
論文参考訳（メタデータ） (2024-05-11T16:06:16Z)
Joint Sensing and Task-Oriented Communications with Image and Wireless Data Modalities for Dynamic Spectrum Access [49.83882366499547]
本稿では,マルチモーダル画像とスペクトルデータの相乗効果を利用した動的スペクトルアクセスの深層学習手法を提案する。本稿では,送信機を搭載可能な車両などの潜在的な物体を撮影するカメラを備えたエッジデバイスについて考察する。本稿では、エッジデバイスが、融合センターとして機能する信頼できる受信機に選択的に処理された情報を通信する協調システムを提案する。
論文参考訳（メタデータ） (2023-12-21T15:26:26Z)
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)
An Interactively Reinforced Paradigm for Joint Infrared-Visible Image Fusion and Saliency Object Detection [59.02821429555375]
この研究は、野生の隠れた物体の発見と位置決めに焦点をあて、無人のシステムに役立てる。経験的分析により、赤外線と可視画像融合(IVIF)は、難しい物体の発見を可能にする。マルチモーダル・サリエント・オブジェクト検出(SOD)は、画像内の物体の正確な空間的位置を正確に記述する。
論文参考訳（メタデータ） (2023-05-17T06:48:35Z)
ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
論文参考訳（メタデータ） (2022-05-16T04:24:22Z)
An Empirical Study of Remote Sensing Pretraining [117.90699699469639]
本研究では,空中画像におけるリモートセンシング事前訓練(RSP)の実証的研究を行った。 RSPは、シーン認識タスクで特有のパフォーマンスを提供するのに役立つ。 RSPは、従来のイメージネットがRS画像に事前学習する際のデータ格差を緩和するが、それでもタスクの相違に悩まされる可能性がある。
論文参考訳（メタデータ） (2022-04-06T13:38:11Z)
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)
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)
Boosting ship detection in SAR images with complementary pretraining techniques [14.34438598597809]
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。
論文参考訳（メタデータ） (2021-03-15T10:03:04Z)
Arbitrary-Oriented Ship Detection through Center-Head Point Extraction [11.45718985586972]
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。
論文参考訳（メタデータ） (2021-01-27T03:58:52Z)
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)

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。