Fugu-MT 論文翻訳(概要): Lightweight Salient Object Detection in Optical Remote Sensing Images via Feature Correlation

論文の概要: Lightweight Salient Object Detection in Optical Remote Sensing Images via Feature Correlation

arxiv url: http://arxiv.org/abs/2201.08049v1
Date: Thu, 20 Jan 2022 08:28:01 GMT
ステータス: 処理完了
システム内更新日: 2022-01-21 14:24:05.088613
Title: Lightweight Salient Object Detection in Optical Remote Sensing Images via Feature Correlation
Title（参考訳）: 光リモートセンシング画像における特徴相関による軽量サルエント物体検出
Authors: Gongyang Li and Zhi Liu and Zhen Bai and Weisi Lin and and Haibin Ling
Abstract要約: 本稿では,これらの問題に対処する軽量ORSI-SODソリューションであるCorrNetを提案する。それぞれのコンポーネントのパラメータと計算を減らし、CorrNetは4.09Mのパラメータしか持たず、21.09GのFLOPで実行している。 2つの公開データセットの実験結果から、私たちの軽量なCorrNetは、26の最先端メソッドと比較して、競争力やパフォーマンスがさらに向上することが示された。
参考スコア（独自算出の注目度）: 93.80710126516405
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Salient object detection in optical remote sensing images (ORSI-SOD) has been widely explored for understanding ORSIs. However, previous methods focus mainly on improving the detection accuracy while neglecting the cost in memory and computation, which may hinder their real-world applications. In this paper, we propose a novel lightweight ORSI-SOD solution, named CorrNet, to address these issues. In CorrNet, we first lighten the backbone (VGG-16) and build a lightweight subnet for feature extraction. Then, following the coarse-to-fine strategy, we generate an initial coarse saliency map from high-level semantic features in a Correlation Module (CorrM). The coarse saliency map serves as the location guidance for low-level features. In CorrM, we mine the object location information between high-level semantic features through the cross-layer correlation operation. Finally, based on low-level detailed features, we refine the coarse saliency map in the refinement subnet equipped with Dense Lightweight Refinement Blocks, and produce the final fine saliency map. By reducing the parameters and computations of each component, CorrNet ends up having only 4.09M parameters and running with 21.09G FLOPs. Experimental results on two public datasets demonstrate that our lightweight CorrNet achieves competitive or even better performance compared with 26 state-of-the-art methods (including 16 large CNN-based methods and 2 lightweight methods), and meanwhile enjoys the clear memory and run time efficiency. The code and results of our method are available at https://github.com/MathLee/CorrNet.
Abstract（参考訳）: 光リモートセンシング画像(ori-sod)におけるsalient object detectionは、orsisを理解するために広く研究されている。しかし,従来の手法では,メモリや計算のコストを無視しながら検出精度の向上に重点を置いていた。本稿では,これらの問題に対処する軽量ORSI-SODソリューションであるCorrNetを提案する。 CorrNetでは、最初にバックボーン(VGG-16)をライトアップし、特徴抽出のための軽量サブネットを構築します。次に,相関モジュール(CorrM)の高レベルの意味的特徴から,粗大な戦略に従って初期粗大なサリエンシマップを生成する。粗いサリエンシマップは低レベルの機能のロケーションガイダンスとして機能する。 corrmでは、クロスレイヤー相関操作により、高レベル意味特徴間のオブジェクト位置情報をマイニングする。最後に,低レベルの詳細な特徴に基づき,Dense Lightweight Refinement Blocksを備えた改良サブネットの粗いサリエンシマップを改良し,最終的な細かなサリエンシマップを作成する。それぞれのコンポーネントのパラメータと計算を減らし、CorrNetは4.09Mのパラメータしか持たず、21.09GのFLOPで実行している。 2つの公開データセットにおける実験結果は、26の最先端メソッド(大規模なcnnベースのメソッド16と2つの軽量メソッドを含む)と比較して、我々の軽量corrnetが競合的、あるいはさらに優れたパフォーマンスを実現していることを示している。このメソッドのコードと結果は、https://github.com/mathlee/corrnetで入手できます。

関連論文リスト

AGL-NET: Aerial-Ground Cross-Modal Global Localization with Varying Scales [45.315661330785275]
我々は,LiDAR点雲と衛星地図を用いたグローバルローカライゼーションのための新しい学習手法であるAGL-NETを提案する。我々は,特徴マッチングのための画像と点間の表現ギャップを埋めること,グローバルビューとローカルビューのスケールの相違に対処すること,という2つの重要な課題に取り組む。
論文参考訳（メタデータ） (2024-04-04T04:12:30Z)
ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。また,ELGC-Net-LWも導入した。
論文参考訳（メタデータ） (2024-03-26T17:46:25Z)
SpirDet: Towards Efficient, Accurate and Lightweight Infrared Small Target Detector [60.42293239557962]
我々は、赤外線小ターゲットの効率的な検出のための新しいアプローチであるSpirDetを提案する。新しいデュアルブランチスパースデコーダを用いて特徴写像を復元する。大規模な実験により、提案されたSpirDetは最先端モデルよりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2024-02-08T05:06:14Z)
Lightweight Salient Object Detection in Optical Remote-Sensing Images via Semantic Matching and Edge Alignment [61.45639694373033]
セマンティックマッチングとエッジアライメントに基づく光リモートセンシング画像(ORSI-SOD)のための新しい軽量ネットワークSeaNetを提案する。具体的には、機能抽出のための軽量MobileNet-V2、高レベルの機能のための動的セマンティックマッチングモジュール(DSMM)、推論のためのポータブルデコーダが含まれる。
論文参考訳（メタデータ） (2023-01-07T04:33:51Z)
DPNet: Dual-Path Network for Real-time Object Detection with Lightweight Attention [15.360769793764526]
本稿では,リアルタイム物体検出のための軽量アテンション方式を用いて,DPNetというデュアルパスネットワークを提案する。 DPNetは、検出精度と実装効率の間の最先端のトレードオフを実現する。
論文参考訳（メタデータ） (2022-09-28T09:11:01Z)
SFNet: Faster and Accurate Semantic Segmentation via Semantic Flow [88.97790684009979]
性能を改善するための一般的な実践は、強力な意味表現を持つ高解像度の特徴写像を得ることである。隣接レベルの特徴マップ間のテキストセマンティックフローを学習するためのフローアライメントモジュール(FAM)を提案する。また,高分解能特徴写像と低分解能特徴写像を直接整列するGated Dual Flow Alignment Moduleを提案する。
論文参考訳（メタデータ） (2022-07-10T08:25:47Z)
QueryDet: Cascaded Sparse Query for Accelerating High-Resolution Small Object Detection [17.775203579232144]
特徴ピラミド系物体検出器の推論速度を高速化する新規なクエリ機構を提案する。パイプラインはまず、低解像度特徴量上の小さな物体の粗い位置を予測し、高解像度特徴量を用いて正確な検出結果を算出する。一般的なCOCOデータセットでは,検出mAPを1.0倍,mAPを2.0倍に改善し,高分解能推論速度を平均3.0倍に向上する。
論文参考訳（メタデータ） (2021-03-16T15:30:20Z)
LiteDenseNet: A Lightweight Network for Hyperspectral Image Classification [2.696926374562295]
ハイパースペクトル画像分類のためのDenseNetに基づく軽量ネットワークアーキテクチャ(LiteDenseNet)を提案する。 GoogLeNetとPeleeNetにインスパイアされた我々は、入力の局所的およびグローバル的特徴を捉えるために、3次元の双方向の高密度層を設計する。畳み込みは計算集約的な演算であるため、計算コストとパラメータサイズをさらに削減するためにグループ畳み込みを導入する。
論文参考訳（メタデータ） (2020-04-17T08:38:52Z)
NETNet: Neighbor Erasing and Transferring Network for Better Single Shot Object Detection [170.30694322460045]
我々は、ピラミッドの特徴を再設定し、スケールアウェアな特徴を探索する新しいNeighbor Erasing and Transferring(NET)メカニズムを提案する。 NETNetと呼ばれるシングルショットネットワークは、スケールアウェアなオブジェクト検出のために構築されている。
論文参考訳（メタデータ） (2020-01-18T15:21:29Z)

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。