論文の概要: Research on Mosaic Image Data Enhancement for Overlapping Ship Targets

• arxiv url: http://arxiv.org/abs/2105.05090v1
• Date: Tue, 11 May 2021 14:44:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-12 18:17:06.885366
• Title: Research on Mosaic Image Data Enhancement for Overlapping Ship Targets
• Title（参考訳）: 重複する船舶目標に対するモザイク画像データ拡張に関する研究
• Authors: Guangmiao Zeng, Wanneng Yu, Rongjie Wang and Anhui Lin
• Abstract要約: 改善されたモザイクデータ強化方法を提案し、データセットの読み取り方法を最適化する。 改良されたアルゴリズムは、重なり合うターゲットの認識精度を2.5%改善し、目標損失時間を17%削減し、異なるビデオ解像度での認識安定性を27.01%向上させる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The problem of overlapping occlusion in target recognition has been a difficult research problem, and the situation of mutual occlusion of ship targets in narrow waters still exists. In this paper, an improved mosaic data enhancement method is proposed, which optimizes the reading method of the data set, strengthens the learning ability of the detection algorithm for local features, improves the recognition accuracy of overlapping targets while keeping the test speed unchanged, reduces the decay rate of recognition ability under different resolutions, and strengthens the robustness of the algorithm. The real test experiments prove that, relative to the original algorithm, the improved algorithm improves the recognition accuracy of overlapping targets by 2.5%, reduces the target loss time by 17%, and improves the recognition stability under different video resolutions by 27.01%.
• Abstract（参考訳）: 標的認識における重複咬合の問題は, 研究課題であり, 狭水域における船舶目標の相互閉塞の状況はいまだに残っている。 本稿では、データセットの読み出しを最適化し、局所特徴に対する検出アルゴリズムの学習能力を向上し、テスト速度を一定に保ちながら重なり合うターゲットの認識精度を向上させ、異なる解像度での認識能力の劣化率を低減し、アルゴリズムの堅牢性を向上する改良モザイクデータ拡張手法を提案する。 実際の実験では、元のアルゴリズムと比較して、改良されたアルゴリズムは重複するターゲットの認識精度を2.5%改善し、目標損失時間を17%削減し、異なるビデオ解像度での認識安定性を27.01%向上した。

関連論文リスト

• Rethinking Medical Anomaly Detection in Brain MRI: An Image Quality Assessment Perspective [14.39502951611029]
  構造類似度指数の損失をl1損失と組み合わせた核融合品質損失関数を提案する。 また,正常領域と異常領域の平均強度比(AIR)を高めるデータ前処理戦略を導入し,異常の識別を改善した。 提案したIQAアプローチは,BraTS21(T2,FLAIR)およびMSULBデータセット上のDice係数(DICE)とAUPRC(Area Under the Precision-Recall Curve)において,大幅な改善(>10%)を達成している。
  論文  参考訳（メタデータ） (2024-08-15T15:55:07Z)
• A Generalization Theory of Cross-Modality Distillation with Contrastive Learning [49.35244441141323]
  クロスモダリティ蒸留は、限られた知識を含むデータモダリティにとって重要なトピックである。 コントラスト学習に基づくクロスモーダルコントラスト蒸留(CMCD)の一般的な枠組みを定式化する。 我々のアルゴリズムは、様々なモダリティやタスクに対して、2-3%のマージンで既存のアルゴリズムを一貫して上回ります。
  論文  参考訳（メタデータ） (2024-05-06T11:05:13Z)
• Exploring Deep Learning Image Super-Resolution for Iris Recognition [50.43429968821899]
  重畳自動エンコーダ(SAE)と畳み込みニューラルネットワーク(CNN)の2つの深層学習単一画像超解法手法を提案する。 精度評価と認識実験により,1.872個の近赤外虹彩画像のデータベースを用いて評価を行い,比較アルゴリズムよりも深層学習の方が優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-02T13:57:48Z)
• An Enhanced Low-Resolution Image Recognition Method for Traffic Environments [3.018656336329545]
  低解像度の画像は、小さなサイズ、低い品質、詳細さの欠如に悩まされ、従来のニューラルネットワーク認識アルゴリズムの精度が低下する。 本稿では、残差ネットワークの基本構造と共通特徴部分空間アルゴリズムを利用する二重分岐残差ネットワーク構造を提案する。 低解像度画像認識の精度を高めるために、中間層特徴の利用を取り入れている。
  論文  参考訳（メタデータ） (2023-09-28T12:38:31Z)
• Enhancing Infrared Small Target Detection Robustness with Bi-Level Adversarial Framework [61.34862133870934]
  本稿では,異なる汚職の存在下での検出の堅牢性を促進するために,二段階の対向的枠組みを提案する。 我々の手法は広範囲の汚職で21.96%のIOUを著しく改善し、特に一般ベンチマークで4.97%のIOUを推進している。
  論文  参考訳（メタデータ） (2023-09-03T06:35:07Z)
• RCDN -- Robust X-Corner Detection Algorithm based on Advanced CNN Model [3.580983453285039]
  複数の干渉下で入力に対して高いサブピクセル精度を維持することができる新しい検出アルゴリズムを提案する。 アルゴリズム全体は粗い戦略を採用しており、Xコーン検出ネットワークと3つの後処理技術を含んでいる。 実画像および合成画像の評価は,提案アルゴリズムが他の一般的な手法よりも検出率,サブピクセル精度,ロバスト性が高いことを示す。
  論文  参考訳（メタデータ） (2023-07-07T10:40:41Z)
• dugMatting: Decomposed-Uncertainty-Guided Matting [83.71273621169404]
  そこで本稿では, 明確に分解された不確かさを探索し, 効率よく効率よく改善する, 分解不確実性誘導型マッチングアルゴリズムを提案する。 提案したマッチングフレームワークは,シンプルで効率的なラベリングを用いて対話領域を決定する必要性を緩和する。
  論文  参考訳（メタデータ） (2023-06-02T11:19:50Z)
• Relationship Quantification of Image Degradations [72.98190570967937]
  劣化関係指数(DRI)は,2モデル間の検証損失の平均ドロップレート差として定義される。 DRIは常に、特定の劣化を列車モデルの補助として利用することで、性能改善を予測します。 得られた劣化組合せがアンカー劣化性能を向上させることができるかどうかを簡易かつ効果的に推定する手法を提案する。
  論文  参考訳（メタデータ） (2022-12-08T09:05:19Z)
• Recognition Oriented Iris Image Quality Assessment in the Feature Space [40.615018679370685]
  現実のシナリオで撮影された虹彩画像の大部分は、制御されていない環境と非協調的な対象のために品質が劣っている。 従来の因子ベースの手法は、ほとんどの画像を捨て、システムタイムアウトを引き起こし、ユーザーエクスペリエンスを損なう。 アイリス画像の認識指向品質指標と評価法を提案し,その問題に対処する。
  論文  参考訳（メタデータ） (2020-09-01T08:58:18Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。