論文の概要: Non-Convex Tensor Low-Rank Approximation for Infrared Small Target Detection

• arxiv url: http://arxiv.org/abs/2105.14974v1
• Date: Mon, 31 May 2021 14:04:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-01 17:08:03.459381
• Title: Non-Convex Tensor Low-Rank Approximation for Infrared Small Target Detection
• Title（参考訳）: 赤外小目標検出のための非凸テンソル低ランク近似
• Authors: Ting Liu, Jungang Yang, Boyang Li, Chao Xiao, Yang Sun, Yingqian Wang, Wei An
• Abstract要約: 赤外線小目標検出は、多くの赤外線システムにおいて重要な役割を果たす。 ほとんどの低ランク手法は、異なる特異値を不正確な背景推定に割り当てる。 この小さな赤外線ターゲット検出アルゴリズムに対して,非ネイティブ空間近似(NTLA)を提案する。
• 参考スコア（独自算出の注目度）: 32.67489082946838
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Infrared small target detection plays an important role in many infrared systems. Recently, many infrared small target detection methods have been proposed, in which the lowrank model has been used as a powerful tool. However, most low-rank-based methods assign the same weights for different singular values, which will lead to inaccurate background estimation. Considering that different singular values have different importance and should be treated discriminatively, in this paper, we propose a non-convex tensor low-rank approximation (NTLA) method for infrared small target detection. In our method, NTLA adaptively assigns different weights to different singular values for accurate background estimation. Based on the proposed NTLA, we use the asymmetric spatial-temporal total variation (ASTTV) to thoroughly describe background feature, which can achieve good background estimation and detection in complex scenes. Compared with the traditional total variation approach, ASTTV exploits different smoothness strength for spatial and temporal regularization. We develop an efficient algorithm to find the optimal solution of the proposed model. Compared with some state-of-the-art methods, the proposed method achieve an improvement in different evaluation metrics. Extensive experiments on both synthetic and real data demonstrate the proposed method provide a more robust detection in complex situations with low false rates.
• Abstract（参考訳）: 赤外線小目標検出は、多くの赤外線システムにおいて重要な役割を果たす。 近年,多くの赤外線小目標検出手法が提案され,低ランクモデルが強力なツールとして利用されている。 しかし、ほとんどの低ランク法は異なる特異値に対して同じ重みを割り当て、不正確な背景推定につながる。 本稿では、異なる特異値が重要であり、識別的に扱うべきであることを考慮し、赤外小ターゲット検出のための非凸テンソル低ランク近似(NTLA)法を提案する。 本手法では,異なる重みを異なる特異値に適応的に割り当て,正確な背景推定を行う。 提案したNTLAに基づいて,非対称な時空間総変動(ASTTV)を用いて背景特徴を網羅的に記述し,複雑な場面での背景推定と検出を行う。 従来の全変分法と比較して、ASTTVは空間的および時間的正則化のために異なる滑らか度強度を利用する。 提案モデルの最適解を求めるための効率的なアルゴリズムを開発した。 いくつかの最先端手法と比較して,提案手法は異なる評価指標の改善を実現する。 合成データと実データの両方に関する広範囲な実験により,提案手法は,偽率の低い複雑な状況において,よりロバストな検出を実現することを証明した。

関連論文リスト

• 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)
• 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)
• Infrared Small Target Detection Using Double-Weighted Multi-Granularity Patch Tensor Model With Tensor-Train Decomposition [6.517559383143804]
  本稿では,DWMGIPT(Double-weighted multi-granularity infrared patch tensor)モデルを提案する。 提案アルゴリズムはノイズや異なるシーンに対して堅牢である。
  論文  参考訳（メタデータ） (2023-10-09T02:17:31Z)
• Consensus-Adaptive RANSAC [104.87576373187426]
  本稿では,パラメータ空間の探索を学習する新しいRANSACフレームワークを提案する。 注意機構は、ポイント・ツー・モデル残差のバッチで動作し、軽量のワンステップ・トランスフォーマーで見いだされたコンセンサスを考慮するために、ポイント・ツー・モデル推定状態を更新する。
  論文  参考訳（メタデータ） (2023-07-26T08:25:46Z)
• Fake It Till You Make It: Near-Distribution Novelty Detection by Score-Based Generative Models [54.182955830194445]
  既存のモデルは、いわゆる"近く分布"設定で失敗するか、劇的な低下に直面します。 本稿では, スコアに基づく生成モデルを用いて, 合成近分布異常データを生成することを提案する。 本手法は,9つのノベルティ検出ベンチマークにおいて,近分布ノベルティ検出を6%改善し,最先端のノベルティ検出を1%から5%パスする。
  論文  参考訳（メタデータ） (2022-05-28T02:02:53Z)
• 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)
• 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)
• Collaborative Training between Region Proposal Localization and Classification for Domain Adaptive Object Detection [121.28769542994664]
  オブジェクト検出のためのドメイン適応は、ラベル付きデータセットからラベル付きデータセットへの検出を適応させようとする。 本稿では,地域提案ネットワーク (RPN) と地域提案分類器 (RPC) が,大きなドメインギャップに直面した場合の転送可能性が大きく異なることを初めて明らかにする。
  論文  参考訳（メタデータ） (2020-09-17T07:39:52Z)
• Effective Version Space Reduction for Convolutional Neural Networks [61.84773892603885]
  アクティブラーニングでは、サンプリングバイアスは深刻な矛盾問題を引き起こし、アルゴリズムが最適な仮説を見つけるのを妨げる可能性がある。 本稿では,畳み込みニューラルネットワークを用いた能動学習について,バージョン空間削減の原理的レンズを用いて検討する。
  論文  参考訳（メタデータ） (2020-06-22T17:40:03Z)
• 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)

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。