論文の概要: A Novel Deep Learning Method for Thermal to Annotated Thermal-Optical Fused Images

• arxiv url: http://arxiv.org/abs/2107.05942v1
• Date: Tue, 13 Jul 2021 09:29:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-14 22:57:26.979825
• Title: A Novel Deep Learning Method for Thermal to Annotated Thermal-Optical Fused Images
• Title（参考訳）: 注釈付き熱光学融合画像のための新しい深層学習法
• Authors: Suranjan Goswami, IEEE Student Member, Satish Kumar Singh, Senior Member, IEEE and Bidyut B. Chaudhuri, Life Fellow, IEEE
• Abstract要約: 本稿では, 熱入力によるグレースケール熱光学融合マスクの製作について述べる。 これはディープラーニングに基づく先駆的な研究であり、私たちの知る限り、熱光学的グレースケール融合に関する他の研究は存在しない。 また,熱画像への関心領域を得るための,新しいユニークなデータベースを提案する。
• 参考スコア（独自算出の注目度）: 10.8880508356314
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Thermal Images profile the passive radiation of objects and capture them in grayscale images. Such images have a very different distribution of data compared to optical colored images. We present here a work that produces a grayscale thermo-optical fused mask given a thermal input. This is a deep learning based pioneering work since to the best of our knowledge, there exists no other work on thermal-optical grayscale fusion. Our method is also unique in the sense that the deep learning method we are proposing here works on the Discrete Wavelet Transform (DWT) domain instead of the gray level domain. As a part of this work, we also present a new and unique database for obtaining the region of interest in thermal images based on an existing thermal visual paired database, containing the Region of Interest on 5 different classes of data. Finally, we are proposing a simple low cost overhead statistical measure for identifying the region of interest in the fused images, which we call as the Region of Fusion (RoF). Experiments on the database show encouraging results in identifying the region of interest in the fused images. We also show that they can be processed better in the mixed form rather than with only thermal images.
• Abstract（参考訳）: 熱画像は物体の受動的放射をプロファイルし、それらをグレースケールの画像でキャプチャする。 このような画像は、光学カラー画像とは全く異なるデータ分布を持つ。 ここでは,熱入力を付与した灰色スケール熱光学融解マスクを製作する。 これはディープラーニングに基づく先駆的な研究であり、私たちの知る限り、熱光学グレースケール融合に関する研究は他にない。 ここで提案しているディープラーニング手法は、グレーレベルドメインの代わりに離散ウェーブレット変換(DWT)ドメインで動作するという意味でもユニークな方法です。 また、本研究の一環として、5種類の異なるデータに対して関心領域を含む既存の熱視覚対データベースに基づいて、熱画像に対する関心領域を取得するための、新しいユニークなデータベースを提案する。 最後に、融合領域(RoF)と呼ばれる融合画像の関心領域を特定するための単純な低コストなオーバーヘッド統計尺度を提案している。 データベース上の実験では、融合画像に対する関心領域の同定が促進されている。 また,熱画像のみでなく混合形態で処理できることを示した。

関連論文リスト

• Dif-Fusion: Towards High Color Fidelity in Infrared and Visible Image Fusion with Diffusion Models [54.952979335638204]
  本稿では,Dif-Fusionと呼ばれる拡散モデルを用いて,マルチチャネル入力データの分布を生成する手法を提案する。 我々の手法は、特にカラー忠実度において、他の最先端画像融合法よりも効果的である。
  論文  参考訳（メタデータ） (2023-01-19T13:37:19Z)
• CoCoNet: Coupled Contrastive Learning Network with Multi-level Feature Ensemble for Multi-modality Image Fusion [72.8898811120795]
  我々は、赤外線と可視画像の融合を実現するために、CoCoNetと呼ばれるコントラスト学習ネットワークを提案する。 本手法は,主観的評価と客観的評価の両面において,最先端(SOTA)性能を実現する。
  論文  参考訳（メタデータ） (2022-11-20T12:02:07Z)
• Does Thermal Really Always Matter for RGB-T Salient Object Detection? [153.17156598262656]
  本稿では,RGB-T有意物体検出(SOD)タスクを解決するために,TNetというネットワークを提案する。 本稿では,画像のグローバル照度を推定するためのグローバル照度推定モジュールを提案する。 一方, 2段階の局所化と相補化モジュールを導入し, 熱的特徴の物体位置化キューと内部整合キューをRGBモダリティに転送する。
  論文  参考訳（メタデータ） (2022-10-09T13:50:12Z)
• Glass Segmentation with RGB-Thermal Image Pairs [16.925196782387857]
  本稿では,RGBと熱画像を組み合わせた新しいガラス分割法を提案する。 シーンのガラス領域は、RGB画像だけでなく、RGB画像と熱画像の対でより区別可能である。
  論文  参考訳（メタデータ） (2022-04-12T00:20:22Z)
• Refer-it-in-RGBD: A Bottom-up Approach for 3D Visual Grounding in RGBD Images [69.5662419067878]
  RGBD画像における接地参照表現は新たな分野である。 本稿では,参照する物体が閉塞により部分的にスキャンされる場合が多い単視点rgbd画像における3次元視覚グランド化の新たな課題を提案する。 提案手法はまず,RGBD画像内の関連領域をローカライズするヒートマップを生成するために,下層の言語と視覚的特徴を融合させる。 次に、ヒートマップに基づく適応的特徴学習を行い、他のビジオ言語融合とオブジェクトレベルのマッチングを行い、最後に参照したオブジェクトを接地する。
  論文  参考訳（メタデータ） (2021-03-14T11:18:50Z)
• Assessing the applicability of Deep Learning-based visible-infrared fusion methods for fire imagery [0.0]
  森林火災の検知は 環境、特性、生活に 出来るだけダメージを避けるために 最重要事項です 可視情報と赤外線情報の両方を活用するディープラーニングモデルは、最先端のパフォーマンスを示す可能性がある。 多くのDLベースの画像融合法は、火災画像の領域では評価されていない。
  論文  参考訳（メタデータ） (2021-01-27T23:53:36Z)
• A Novel Registration & Colorization Technique for Thermal to Cross Domain Colorized Images [15.787663289343948]
  本稿では,複数のサーマルイメージを用いた画像の新規登録手法を提案する。 熱プロファイルの情報を出力の一部として保持し,両領域の情報を協調的に提供する。
  論文  参考訳（メタデータ） (2021-01-18T07:30:51Z)
• Exploring Thermal Images for Object Detection in Underexposure Regions for Autonomous Driving [67.69430435482127]
  アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。 サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。 本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-01T09:59:09Z)
• Bayesian Fusion for Infrared and Visible Images [26.64101343489016]
  本稿では,赤外・可視画像のための新しいベイズ融合モデルを構築した。 我々は、融合画像が人間の視覚系を満たすようにすることを目指している。 従来の手法と比較して、新しいモデルは、高照度なターゲットとリッチテクスチャの詳細を持つより良い融合画像を生成することができる。
  論文  参考訳（メタデータ） (2020-05-12T14:57:19Z)
• Multi-Scale Thermal to Visible Face Verification via Attribute Guided Synthesis [55.29770222566124]
  可視画像から抽出した属性を用いて、熱画像から属性保存された可視画像を合成し、クロスモーダルマッチングを行う。 抽出した属性によって導かれる熱画像から可視像を合成するために, 新規なマルチスケールジェネレータを提案する。 事前訓練されたVGG-Faceネットワークを利用して、合成画像と入力可視画像から特徴を抽出し、検証を行う。
  論文  参考訳（メタデータ） (2020-04-20T01:45:05Z)
• Unsupervised Image-generation Enhanced Adaptation for Object Detection in Thermal images [4.810743887667828]
  本稿では、熱画像における物体検出のための教師なし画像生成拡張適応法を提案する。 可視領域と熱領域のギャップを低減するため,提案手法は擬似熱画像を生成する。 提案手法の有効性と優位性を示す実験を行った。
  論文  参考訳（メタデータ） (2020-02-17T04:53:30Z)

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。