論文の概要: Multi-Grained Angle Representation for Remote Sensing Object Detection

• arxiv url: http://arxiv.org/abs/2209.02884v1
• Date: Wed, 7 Sep 2022 02:08:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-08 12:30:38.991860
• Title: Multi-Grained Angle Representation for Remote Sensing Object Detection
• Title（参考訳）: リモートセンシングオブジェクト検出のための多点角表現
• Authors: Hao Wang, Zhanchao Huang, Zhengchao Chen, Ying Song, and Wei Li
• Abstract要約: 粗粒度角度分類(CAC)と細粒度角度回帰(FAR)からなる新しい任意指向物体検出(AOOD)法を提案する。 CACは、離散角符号化(DAE)による角度予測の曖昧さを回避し、DAEの粒度を粗くすることで複雑さを低減する。 FARは、DAEの粒度を狭めるよりもはるかに低コストで角度予測を洗練するために開発された。 A Intersection over Union (IoU) aware FAR-Loss (IFL) is designed to improve accuracy of angle prediction using an Adaptive re-weighting mechanismed by I。
• 参考スコア（独自算出の注目度）: 6.950513073141904
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Arbitrary-oriented object detection (AOOD) plays a significant role for image understanding in remote sensing scenarios. The existing AOOD methods face the challenges of ambiguity and high costs in angle representation. To this end, a multi-grained angle representation (MGAR) method, consisting of coarse-grained angle classification (CAC) and fine-grained angle regression (FAR), is proposed. Specifically, the designed CAC avoids the ambiguity of angle prediction by discrete angular encoding (DAE) and reduces complexity by coarsening the granularity of DAE. Based on CAC, FAR is developed to refine the angle prediction with much lower costs than narrowing the granularity of DAE. Furthermore, an Intersection over Union (IoU) aware FAR-Loss (IFL) is designed to improve accuracy of angle prediction using an adaptive re-weighting mechanism guided by IoU. Extensive experiments are performed on several public remote sensing datasets, which demonstrate the effectiveness of the proposed MGAR. Moreover, experiments on embedded devices demonstrate that the proposed MGAR is also friendly for lightweight deployments.
• Abstract（参考訳）: 任意指向オブジェクト検出(AOOD)は、リモートセンシングシナリオにおける画像理解において重要な役割を果たす。 既存のAOOD法は、アングル表現における曖昧さと高いコストの課題に直面している。 この目的のために、粗粒度角度分類(CAC)と細粒度角度回帰(FAR)からなる多粒度角度表現(MGAR)法を提案する。 具体的には、設計されたCACは、離散角符号化(DAE)による角度予測の曖昧さを回避し、DAEの粒度を粗くすることで複雑さを低減する。 CACに基づいて、FARはDAEの粒度を狭めるよりもはるかに低コストで角度予測を洗練させる。 さらに,iouが誘導する適応的再重み付け機構を用いた角度予測精度を向上させるために,iou認識遠損失(ifl)の交点を考案した。 提案するmgarの有効性を実証するいくつかのリモートセンシングデータセットについて,広範な実験を行った。 さらに,組込みデバイスにおける実験により,提案するmgarが軽量なデプロイメントにも適していることが示されている。

関連論文リスト

• MODEL&CO: Exoplanet detection in angular differential imaging by learning across multiple observations [37.845442465099396]
  ほとんどの後処理法は、対象の観測自体から核分裂のモデルを構築している。 本稿では,教師付き深層学習技術を利用して,複数観測のアーカイブからニュアンスモデルを構築することを提案する。 本稿では,提案手法をVLT/SPHERE機器から得られた複数のデータセットに適用し,高精度なリコールトレードオフを示す。
  論文  参考訳（メタデータ） (2024-09-23T09:22:45Z)
• Renormalized Connection for Scale-preferred Object Detection in Satellite Imagery [51.83786195178233]
  我々は、効率的な特徴抽出の観点から再正規化群理論を実装するために、知識発見ネットワーク(KDN)を設計する。 KDN上の再正規化接続(RC)は、マルチスケール特徴の「相乗的焦点」を可能にする。 RCはFPNベースの検出器のマルチレベル特徴の分割・対数機構を幅広いスケールで予測されたタスクに拡張する。
  論文  参考訳（メタデータ） (2024-09-09T13:56:22Z)
• Reinforcement Learning for SAR View Angle Inversion with Differentiable SAR Renderer [7.112962861847319]
  本研究の目的は,合成開口レーダ(SAR)画像における目標モデルによるレーダー視角の反転である。 エージェントと環境との相互作用を容易にするために、微分可能SARレンダリング(DSR)という電磁シミュレータが組み込まれている。
  論文  参考訳（メタデータ） (2024-01-02T11:47:58Z)
• Transcending Forgery Specificity with Latent Space Augmentation for Generalizable Deepfake Detection [57.646582245834324]
  LSDAと呼ばれる簡易で効果的なディープフェイク検出器を提案する。 より多様な偽の表現は、より一般化可能な決定境界を学べるべきである。 提案手法は驚くほど有効であり, 広く使用されている複数のベンチマークで最先端の検出器を超越することを示す。
  論文  参考訳（メタデータ） (2023-11-19T09:41:10Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• ARS-DETR: Aspect Ratio-Sensitive Detection Transformer for Aerial Oriented Object Detection [55.291579862817656]
  既存のオブジェクト指向オブジェクト検出手法では、モデルの性能を測定するために計量AP$_50$が一般的である。 我々は、AP$_50$は本来、角度偏差に大きな耐性があるため、オブジェクト指向物体検出には適さないと主張している。 本稿では,ARS-DETR(Aspect Ratio Sensitive Oriented Object Detector with Transformer)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T02:20:56Z)
• Angular Embedding: A New Angular Robust Principal Component Analysis [10.120548476934186]
  主成分分析が外れ値に敏感であることは深刻な問題である。 既存の最先端のRPCAアプローチは、非イテレーティブな方法で容易に外れ値を取り除いたり、許容することはできません。 本稿では,角密度に基づいて単純なRPCAアプローチを定式化するAngular Embedding (AE)を提案する。 さらに、大規模なアウトレーラを持つデータを扱うためにトリミングされたAE(TAE)を導入する。
  論文  参考訳（メタデータ） (2020-11-22T13:36:56Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
  まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。 我々は、角予測タスクを回帰問題から分類問題に変換する。 得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
  論文  参考訳（メタデータ） (2020-03-12T03:23:54Z)

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。