論文の概要: Conifer Seedling Detection in UAV-Imagery with RGB-Depth Information

• arxiv url: http://arxiv.org/abs/2111.11388v1
• Date: Mon, 22 Nov 2021 18:00:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-23 15:18:14.915422
• Title: Conifer Seedling Detection in UAV-Imagery with RGB-Depth Information
• Title（参考訳）: RGB深度情報を用いたUAV画像中の針葉樹苗検出
• Authors: Jason Jooste, Michael Fromm, Matthias Schubert
• Abstract要約: 本研究の目的は,高さ情報の統合による高速RCNNオブジェクト検出アルゴリズムの性能向上である。 ネットワークの構造は重要な役割を担い、高さ情報を直接第4の画像チャネルとして追加しても改善は得られなかった。 この高さ情報の解像度を増大させる効果もほとんどなかった。
• 参考スコア（独自算出の注目度）: 5.748252037607461
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Monitoring of reforestation is currently being considerably streamlined through the use of drones and image recognition algorithms, which have already proven to be effective on colour imagery. In addition to colour imagery, elevation data is often also available. The primary aim of this work was to improve the performance of the faster-RCNN object detection algorithm by integrating this height information, which showed itself to notably improve performance. Interestingly, the structure of the network played a key role, with direct addition of the height information as a fourth image channel showing no improvement, while integration after the backbone network and before the region proposal network led to marked improvements. This effect persisted with very long training regimes. Increasing the resolution of this height information also showed little effect.
• Abstract（参考訳）: 再植林のモニタリングは、すでにカラー画像に効果があることが証明されているドローンと画像認識アルゴリズムの使用によって、現在かなり合理化されている。 カラー画像に加えて、標高データもしばしば利用可能である。 本研究の主な目的は,この高度情報を統合することにより,高速RCNNオブジェクト検出アルゴリズムの性能向上であった。 興味深いことに、ネットワークの構造は重要な役割を担い、背骨ネットワークと地域提案ネットワークとの連携が顕著な改善をもたらす一方で、高さ情報を第4の画像チャネルとして直接追加した。 この効果は非常に長い訓練体制で続いた。 この高さ情報の解像度を増大させる効果もほとんどなかった。

関連論文リスト

• Enhancing Layout Hotspot Detection Efficiency with YOLOv8 and PCA-Guided Augmentation [5.391764618878545]
  レイアウトホットスポット検出のためのYOLOベースのフレームワークを提案する。 主成分分析(PCA)から抽出した情報を用いたレイアウト画像の拡張手法を提案する。 本フレームワークは,約83%の精度(リコール)を実現し,誤報率7.4%未満を維持した。
  論文  参考訳（メタデータ） (2024-07-19T17:49:48Z)
• SegNet: A Segmented Deep Learning based Convolutional Neural Network Approach for Drones Wildfire Detection [2.07180164747172]
  本研究は,無人航空機(UAV)/ドローンによる地球規模の山火事検出における処理時間と検出能力の向上という課題に対処するものである。 我々は,リアルタイムの山火事検出における処理速度と精度を大幅に向上させるため,特徴マップの削減に重点を置いている。
  論文  参考訳（メタデータ） (2024-02-29T15:23:12Z)
• Image edge enhancement for effective image classification [7.470763273994321]
  ニューラルネットワークの精度とトレーニング速度を両立させるエッジ拡張に基づく手法を提案する。 我々のアプローチは、利用可能なデータセット内の画像からエッジなどの高周波特徴を抽出し、元の画像と融合させることである。
  論文  参考訳（メタデータ） (2024-01-13T10:01:34Z)
• HAT: Hybrid Attention Transformer for Image Restoration [61.74223315807691]
  トランスフォーマーに基づく手法は、画像の超解像や復調といった画像復元タスクにおいて顕著な性能を示している。 本稿では,新たなHAT(Hybrid Attention Transformer)を提案する。 我々のHATは,定量的かつ定性的に,最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-09-11T05:17:55Z)
• Efficient Image Super-Resolution using Vast-Receptive-Field Attention [49.87316814164699]
  注意機構は、高度な超解像(SR)ネットワークの設計において重要な役割を果たす。 本研究では,アテンション機構の改善により,効率的なSRネットワークを設計する。 VAst-receptive-field Pixel attention networkであるVapSRを提案する。
  論文  参考訳（メタデータ） (2022-10-12T07:01:00Z)
• Explicitly incorporating spatial information to recurrent networks for agriculture [4.583080280213959]
  本稿では,深層畳み込みニューラルネットワークの分類を改善するための新しい手法を提案する。 利用可能なRGB-D画像とロボット・オドメトリーを利用してフレーム間特徴マップ空間登録を行う。 この情報は、その正確さと堅牢性を改善するために、繰り返し学習されたモデル内で融合される。
  論文  参考訳（メタデータ） (2022-06-27T15:57:42Z)
• Image Super-resolution with An Enhanced Group Convolutional Neural Network [102.2483249598621]
  学習能力の強いCNNは、超解像問題を解くために広く選択されている。 浅層構造を持つ超解像群CNN(ESRGCNN)を提案する。 ESRGCNNは、SISRの性能、複雑さ、実行速度、画質評価およびSISRの視覚効果の観点から、最先端技術を上回っていると報告されている。
  論文  参考訳（メタデータ） (2022-05-29T00:34:25Z)
• Mip-NeRF RGB-D: Depth Assisted Fast Neural Radiance Fields [0.696125353550498]
  ニューラルレイディアンスフィールド(NeRF)のようなニューラルシーン表現は、既知のポーズを持つカラー画像のセットを使用して多層パーセプトロン(MLP)をトレーニングすることに基づいている。 今や多くのデバイスがRGB-D情報を生成しており、これは幅広いタスクにおいて非常に重要であることが示されている。 本稿では,色画像に深度情報を組み込むことにより,これらの有望な暗示表現にどのような改善をもたらすかを検討する。
  論文  参考訳（メタデータ） (2022-05-19T07:11:42Z)
• 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)
• MobileSal: Extremely Efficient RGB-D Salient Object Detection [62.04876251927581]
  本稿では,効率的なRGB-Dサルエント物体検出(SOD)に焦点を当てた新しいネットワーク,メソッド名を提案する。 RGB-D SODのためのモバイルネットワークの特徴表現能力を強化するために,暗黙的深度復元(IDR)手法を提案する。 IDRとCPRを組み込むことで、7つの挑戦的なRGB-D SODデータセット上のsArtメソッドに対してメソッド名が好ましい。
  論文  参考訳（メタデータ） (2020-12-24T04:36:42Z)
• Progressively Guided Alternate Refinement Network for RGB-D Salient Object Detection [63.18846475183332]
  我々は,RGB-Dの高次物体検出のための効率的かつコンパクトなディープネットワークを開発することを目指している。 そこで本研究では,改良のための改良ネットワークを提案する。 我々のモデルは、既存の最先端のアプローチよりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2020-08-17T02:55:06Z)

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。