論文の概要: Optimizing ship detection efficiency in SAR images
- arxiv url: http://arxiv.org/abs/2212.05843v1
- Date: Mon, 12 Dec 2022 12:04:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 16:58:08.932203
- Title: Optimizing ship detection efficiency in SAR images
- Title（参考訳）: SAR画像における船舶検出効率の最適化
- Authors: Arthur Van Meerbeeck, Jordy Van Landeghem, Ruben Cartuyvels,
Marie-Francine Moens
- Abstract要約: 船舶検出の速度と計算コストは、違法な漁獲を防ぐための時間的介入に不可欠である。
衛星画像のデータセットを用いて,畳み込みニューラルネットワーク(CNN)に基づく物体検出モデルを訓練した。
分類モデルを用いて、検出モデルの平均精度を44%で99.5%、25%で92.7%に近似できることを示した。
- 参考スコア（独自算出の注目度）: 12.829941550630776
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The detection and prevention of illegal fishing is critical to maintaining a
healthy and functional ecosystem. Recent research on ship detection in
satellite imagery has focused exclusively on performance improvements,
disregarding detection efficiency. However, the speed and compute cost of
vessel detection are essential for a timely intervention to prevent illegal
fishing. Therefore, we investigated optimization methods that lower detection
time and cost with minimal performance loss. We trained an object detection
model based on a convolutional neural network (CNN) using a dataset of
satellite images. Then, we designed two efficiency optimizations that can be
applied to the base CNN or any other base model. The optimizations consist of a
fast, cheap classification model and a statistical algorithm. The integration
of the optimizations with the object detection model leads to a trade-off
between speed and performance. We studied the trade-off using metrics that give
different weight to execution time and performance. We show that by using a
classification model the average precision of the detection model can be
approximated to 99.5% in 44% of the time or to 92.7% in 25% of the time.
- Abstract（参考訳）: 違法漁業の検出と防止は、健全で機能的な生態系を維持するために重要である。
衛星画像における船の検出に関する最近の研究は、性能の向上と検出効率の無視に重点を置いている。
しかし,漁獲防止のための時間的介入には,船体検出の速度と計算コストが不可欠である。
そこで本研究では,検出時間とコストを最小限に抑える最適化手法を検討した。
衛星画像のデータセットを用いて,畳み込みニューラルネットワーク(CNN)に基づく物体検出モデルを訓練した。
次に,ベースcnnや他のベースモデルに適用可能な2つの効率最適化を考案した。
最適化は高速で安価な分類モデルと統計アルゴリズムから構成される。
オブジェクト検出モデルとの最適化の統合は、速度と性能のトレードオフをもたらす。
私たちは、実行時間とパフォーマンスに異なる重み付けを与えるメトリクスを使ってトレードオフを調べました。
分類モデルを用いることで,検出モデルの精度を44%で99.5%,25%で92.7%に近似できることを示した。
関連論文リスト
- Event-Aided Time-to-Collision Estimation for Autonomous Driving [28.13397992839372]
ニューロモルフィックなイベントベースカメラを用いて衝突時刻を推定する新しい手法を提案する。
提案アルゴリズムは, 事象データに適合する幾何モデルに対して, 効率的かつ高精度な2段階のアプローチで構成する。
合成データと実データの両方の実験により,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2024-07-10T02:37:36Z) - Rethinking Voxelization and Classification for 3D Object Detection [68.8204255655161]
LiDARポイントクラウドからの3Dオブジェクト検出の主な課題は、ネットワークの信頼性に影響を与えることなく、リアルタイムのパフォーマンスを実現することである。
本稿では,高速な動的ボキセラライザを実装することにより,ネットワークの推論速度と精度を同時に向上するソリューションを提案する。
さらに,予測対象を分類し,偽検出対象をフィルタリングする軽量検出サブヘッドモデルを提案する。
論文 参考訳（メタデータ） (2023-01-10T16:22:04Z) - TempNet: Temporal Attention Towards the Detection of Animal Behaviour in
Videos [63.85815474157357]
本稿では,映像中の生物学的行動を検出するための,効率的なコンピュータビジョンと深層学習に基づく手法を提案する。
TempNetはエンコーダブリッジと残留ブロックを使用して、2段階の空間的、そして時間的、エンコーダでモデル性能を維持する。
本研究では,サブルフィッシュ (Anoplopoma fimbria) 幼虫の検出への応用を実証する。
論文 参考訳（メタデータ） (2022-11-17T23:55:12Z) - StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。
本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。
本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文 参考訳（メタデータ） (2022-07-21T12:03:02Z) - Illumination and Temperature-Aware Multispectral Networks for
Edge-Computing-Enabled Pedestrian Detection [10.454696553567809]
本研究は,高精度かつ効率的な歩行者検出のための軽量照明・温度対応マルチスペクトルネットワーク(IT-MN)を提案する。
提案アルゴリズムは、車載カメラで収集した公開データセットを用いて、選択した最先端アルゴリズムと比較して評価する。
提案アルゴリズムは,GPU上の画像ペアあたり14.19%,0.03秒の低ミス率と推論時間を実現する。
論文 参考訳（メタデータ） (2021-12-09T17:27:23Z) - Small Object Detection Based on Modified FSSD and Model Compression [7.387639662781843]
本稿では,FSSDに基づく小型物体検出アルゴリズムを提案する。
計算コストと記憶空間を削減するため, モデル圧縮を実現するためにプルーニングを行う。
アルゴリズムの平均精度(mAP)は、PASCAL VOCで80.4%、GTX1080tiで59.5 FPSに達する。
論文 参考訳（メタデータ） (2021-08-24T03:20:32Z) - FasterPose: A Faster Simple Baseline for Human Pose Estimation [65.8413964785972]
本稿では,高速ポーズ推定のためのLR表現を用いた費用対効果ネットワークの設計パラダイムであるFasterPoseを提案する。
我々は,FasterPoseのトレーニング挙動について検討し,収束を加速する新しい回帰クロスエントロピー(RCE)損失関数を定式化する。
従来のポーズ推定ネットワークと比較すると,FLOPの58%が減少し,精度が1.3%向上した。
論文 参考訳（メタデータ） (2021-07-07T13:39:08Z) - Real-Time COVID-19 Diagnosis from X-Ray Images Using Deep CNN and
Extreme Learning Machines Stabilized by Chimp Optimization Algorithm [3.67350413975883]
本稿では,胸部X線画像の分類のための新しい2段階アプローチを提案する。
第1フェーズでは、機能抽出器として機能するディープCNNをトレーニングし、第2フェーズでは、リアルタイム検出にELM(Extreme Learning Machines)を使用する。
提案手法は、他の比較ベンチマークの98.25%と99.11%を、COVID-Xray-5kとCOVIDetectioNetデータセットの最終的な精度で上回る。
論文 参考訳（メタデータ） (2021-05-14T20:04:04Z) - A Unified Light Framework for Real-time Fault Detection of Freight Train
Images [16.721758280029302]
貨物列車のリアルタイム故障検出は、鉄道輸送の安全と最適運転を保証する上で重要な役割を担っている。
深層学習に基づくアプローチの有望な結果にもかかわらず、貨物列車画像におけるこれらの断層検出器の性能は精度と効率の両立には程遠い。
本稿では,リソース要求の少ないリアルタイム動作をサポートしながら,検出精度を向上させるための統一光フレームワークを提案する。
論文 参考訳（メタデータ） (2021-01-31T05:10:20Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z) - SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。
効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。
構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
論文 参考訳（メタデータ） (2020-07-26T12:32:38Z)
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。