論文の概要: Attentional Feature Refinement and Alignment Network for Aircraft
Detection in SAR Imagery
- arxiv url: http://arxiv.org/abs/2201.07124v1
- Date: Tue, 18 Jan 2022 16:54:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-19 17:43:55.961585
- Title: Attentional Feature Refinement and Alignment Network for Aircraft
Detection in SAR Imagery
- Title（参考訳）: SAR画像における航空機検出のための注意的特徴補正とアライメントネットワーク
- Authors: Yan Zhao, Lingjun Zhao, Zhong Liu, Dewen Hu, Gangyao Kuang, Li Liu
- Abstract要約: SAR(Synthetic Aperture Radar)画像における航空機検出は、航空機の離散的な外観、明らかなクラス内変異、小さなサイズ、深刻な背景の干渉のために難しい課題である。
本稿では,SAR画像中の航空機を競合精度と速度で検出する単一ショット検出器AFRANを提案する。
- 参考スコア（独自算出の注目度）: 24.004052923372548
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Aircraft detection in Synthetic Aperture Radar (SAR) imagery is a challenging
task in SAR Automatic Target Recognition (SAR ATR) areas due to aircraft's
extremely discrete appearance, obvious intraclass variation, small size and
serious background's interference. In this paper, a single-shot detector namely
Attentional Feature Refinement and Alignment Network (AFRAN) is proposed for
detecting aircraft in SAR images with competitive accuracy and speed.
Specifically, three significant components including Attention Feature Fusion
Module (AFFM), Deformable Lateral Connection Module (DLCM) and Anchor-guided
Detection Module (ADM), are carefully designed in our method for refining and
aligning informative characteristics of aircraft. To represent characteristics
of aircraft with less interference, low-level textural and high-level semantic
features of aircraft are fused and refined in AFFM throughly. The alignment
between aircraft's discrete back-scatting points and convolutional sampling
spots is promoted in DLCM. Eventually, the locations of aircraft are predicted
precisely in ADM based on aligned features revised by refined anchors. To
evaluate the performance of our method, a self-built SAR aircraft sliced
dataset and a large scene SAR image are collected. Extensive quantitative and
qualitative experiments with detailed analysis illustrate the effectiveness of
the three proposed components. Furthermore, the topmost detection accuracy and
competitive speed are achieved by our method compared with other
domain-specific,e.g., DAPN, PADN, and general CNN-based methods,e.g., FPN,
Cascade R-CNN, SSD, RefineDet and RPDet.
- Abstract（参考訳）: SAR(Synthetic Aperture Radar)画像における航空機検出は、航空機の非常に離散的な外観、明らかなクラス内変異、小さなサイズ、深刻な背景の干渉により、SAR自動目標認識(SAR ATR)領域において難しい課題である。
本稿では,sar画像中の航空機を検出するために,注目的特徴改善・アライメントネットワーク(afran)と呼ばれる単発検出器を提案する。
具体的には,航空機の情報特性の精細化・整合化のために,注意機能融合モジュール(AFFM),変形性横方向接続モジュール(DLCM),アンカー誘導検出モジュール(ADM)の3つの重要なコンポーネントを慎重に設計する。
干渉の少ない航空機の特性を表現するため、AFFMにおいて低レベルのテクスチャと高レベルのセマンティックな特徴を融合して洗練する。
航空機の離散後方散乱点と畳み込みサンプリングスポットのアライメントはDLCMで促進される。
最終的に航空機の位置は、改良されたアンカーによって修正された整列した特徴に基づいてADMで正確に予測される。
本手法の性能を評価するため,自作SAR航空機スライスデータセットと大シーンSAR画像を収集した。
詳細な分析による広範囲な量的・質的実験により,提案する3成分の有効性が示された。
さらに、DAPN、PADN、一般的なCNNベースの手法(FPN、Cascade R-CNN、SSD、RefineDet、RDDetなど)と比較して、最も高い検出精度と競合速度が得られた。
関連論文リスト
- Physics-Guided Detector for SAR Airplanes [48.11882103050703]
SAR航空機のための新しい物理誘導検出器(PGD)学習パラダイムを提案する。
検出性能を向上させるために、その離散性と変動性を包括的に調査する。
実験では,提案したPGDの柔軟性と有効性を示す。
論文 参考訳（メタデータ） (2024-11-19T07:41:09Z) - MS-Net: A Multi-modal Self-supervised Network for Fine-Grained
Classification of Aircraft in SAR Images [8.54188605939881]
本稿では,航空機の細粒度分類のための新しいマルチモーダル自己教師ネットワーク(MS-Net)を提案する。
ラベルがない場合、提案アルゴリズムは17種類のエアクラフト分類タスクに対して88.46%の精度を達成する。
論文 参考訳（メタデータ） (2023-08-28T14:28:50Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Multi-Modal Domain Fusion for Multi-modal Aerial View Object
Classification [4.438928487047433]
マルチモーダルデータから領域不変性を学習するために,新しいマルチモーダルドメイン融合(MDF)ネットワークを提案する。
ネットワークはTrack-1で25.3%、Track-2でトップ5で34.26%の精度でトップ10のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2022-12-14T05:14:02Z) - Spatio-Temporal-Frequency Graph Attention Convolutional Network for
Aircraft Recognition Based on Heterogeneous Radar Network [24.666924145375397]
ヘテロジニアスレーダネットワークにおける航空機認識のための知識・データ駆動型グラフニューラルネットワークを用いた協調学習モデルを提案する。
グラフ注意畳み込みネットワーク(STFGACN)を開発し、ネットワークが受信したレーダ断面積信号から意味的特徴を抽出する。
論文 参考訳（メタデータ） (2022-04-15T07:39:32Z) - Context-Preserving Instance-Level Augmentation and Deformable
Convolution Networks for SAR Ship Detection [50.53262868498824]
ランダムな方向と部分的な情報損失によるSAR画像のターゲット形状の変形は、SAR船の検出において必須の課題である。
ターゲット内の部分的な情報損失に頑健なディープネットワークをトレーニングするためのデータ拡張手法を提案する。
論文 参考訳（メタデータ） (2022-02-14T07:01:01Z) - Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。
本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。
本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
論文 参考訳（メタデータ） (2021-11-17T21:48:31Z) - 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) - MRDet: A Multi-Head Network for Accurate Oriented Object Detection in
Aerial Images [51.227489316673484]
水平アンカーから変換された指向性提案を生成するために、任意指向領域提案ネットワーク(AO-RPN)を提案する。
正確なバウンディングボックスを得るために,検出タスクを複数のサブタスクに分離し,マルチヘッドネットワークを提案する。
各ヘッドは、対応するタスクに最適な特徴を学習するために特別に設計されており、ネットワークがオブジェクトを正確に検出することができる。
論文 参考訳（メタデータ） (2020-12-24T06:36:48Z) - PENet: Object Detection using Points Estimation in Aerial Images [9.33900415971554]
これらの課題に対処するために,新しいネットワーク構造であるポイント推定ネットワーク(PENet)を提案する。
PENetはMask Resampling Module(MRM)を使用して、不均衡なデータセットを増大させ、粗いアンカーフリー検出器(CPEN)で小さなオブジェクトクラスタの中心点を効果的に予測し、微細なアンカーフリー検出器FPENで小さなオブジェクトの正確な位置を特定する。
航空データセット visDrone と UAVDT による実験により,PENet は既存の最先端手法よりも精度の高い結果を得た。
論文 参考訳（メタデータ） (2020-01-22T19:43:17Z)
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。