論文の概要: LEDCNet: A Lightweight and Efficient Semantic Segmentation Algorithm
Using Dual Context Module for Extracting Ground Objects from UAV Aerial
Remote Sensing Images
- arxiv url: http://arxiv.org/abs/2212.08490v1
- Date: Fri, 16 Dec 2022 14:02:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-19 15:40:29.543154
- Title: LEDCNet: A Lightweight and Efficient Semantic Segmentation Algorithm
Using Dual Context Module for Extracting Ground Objects from UAV Aerial
Remote Sensing Images
- Title（参考訳）: ledcnet:uav空中リモートセンシング画像から地上物体を抽出するデュアルコンテキストモジュールを用いた軽量で効率的な意味セグメンテーションアルゴリズム
- Authors: Xiaoxiang Han, Yiman Liu, Gang Liu, Qiaohong Liu
- Abstract要約: 本研究は,UAVリモートセンシング画像から地上特徴を抽出するための,新しい軽量で効率的なネットワークを開発する。
LDCNetと呼ばれ、新しい世代の軽量セマンティックセグメンテーションアルゴリズムのバックボーンネットワークとなることが期待されている。
本研究では,ドローンからのリモートセンシング画像のセマンティックセグメンテーションのためのプライベートデータセットを構築した。
- 参考スコア（独自算出の注目度）: 2.049285201946179
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Semantic segmentation of UAV aerial remote sensing images provides a more
efficient and convenient surveying and mapping method for traditional surveying
and mapping. In order to make the model lightweight and improve a certain
accuracy, this research developed a new lightweight and efficient network for
the extraction of ground features from UAV aerial remote sensing images, called
LDMCNet. Meanwhile, this research develops a powerful lightweight backbone
network for the proposed semantic segmentation model. It is called LDCNet, and
it is hoped that it can become the backbone network of a new generation of
lightweight semantic segmentation algorithms. The proposed model uses dual
multi-scale context modules, namely the Atrous Space Pyramid Pooling module
(ASPP) and the Object Context Representation module (OCR). In addition, this
research constructs a private dataset for semantic segmentation of aerial
remote sensing images from drones. This data set contains 2431 training sets,
945 validation sets, and 475 test sets. The proposed model performs well on
this dataset, with only 1.4M parameters and 5.48G floating-point operations
(FLOPs), achieving an average intersection-over-union ratio (mIoU) of 71.12%.
7.88% higher than the baseline model. In order to verify the effectiveness of
the proposed model, training on the public datasets "LoveDA" and "CITY-OSM"
also achieved excellent results, achieving mIoU of 65.27% and 74.39%,
respectively.
- Abstract（参考訳）: UAVリモートセンシング画像のセマンティックセグメンテーションは、従来の測量とマッピングのためのより効率的で便利な測量とマッピング方法を提供する。
そこで本研究では,UAVリモートセンシング画像から地上特徴を抽出するLDMCNetという,軽量で効率的なネットワークを開発した。
一方,本研究では,提案するセマンティクスセグメンテーションモデルのための強力な軽量バックボーンネットワークを開発した。
LDCNetと呼ばれ、新しい世代の軽量セマンティックセグメンテーションアルゴリズムのバックボーンネットワークとなることが期待されている。
提案モデルは、Atrous Space Pyramid Pooling Module (ASPP) と Object Context Representation Module (OCR) という、2つのマルチスケールコンテキストモジュールを使用する。
この研究は、ドローンからのリモートセンシング画像の意味セグメンテーションのためのプライベートデータセットを構築している。
このデータセットには2431のトレーニングセット、945の検証セット、475のテストセットが含まれている。
提案したモデルは、1.4Mパラメータと5.48G浮動小数点演算(FLOPs)のみで、平均交叉対合同比(mIoU)は71.12%である。
7.88%がベースラインモデルより高い。
提案モデルの有効性を検証するため,公開データセットの「LoveDA」と「CITY-OSM」のトレーニングも,それぞれ65.27%,74.39%のmIoUを達成した。
関連論文リスト
- Semantic Segmentation of Unmanned Aerial Vehicle Remote Sensing Images using SegFormer [0.14999444543328289]
本稿では,UAV画像のセマンティックセグメンテーションのためのセマンティックセグメンテーションフレームワークであるSegFormerの有効性と効率を評価する。
SegFormerの変種は、リアルタイム(B0)から高性能(B5)モデルまで、セマンティックセグメンテーションタスクに適したUAVidデータセットを使用して評価される。
実験結果は、モデルの性能をベンチマークデータセットで示し、多様なUAVシナリオにおけるオブジェクトとランドカバーの特徴を正確に記述する能力を強調した。
論文 参考訳（メタデータ） (2024-10-01T21:40:15Z) - IRSAM: Advancing Segment Anything Model for Infrared Small Target Detection [55.554484379021524]
Infrared Small Target Detection (IRSTD) タスクは、自然画像と赤外線画像の間に顕著な領域ギャップがあるため、満足度の高い性能を達成するには不十分である。
IRSTDのためのIRSAMモデルを提案する。これはSAMのエンコーダデコーダアーキテクチャを改善し、赤外線小物体の特徴表現をより良く学習する。
論文 参考訳（メタデータ） (2024-07-10T10:17:57Z) - HCF-Net: Hierarchical Context Fusion Network for Infrared Small Object Detection [16.92362922379821]
赤外線小物体検出性能を向上させるための深層学習法を提案する。
本発明の方法は、PPAモジュール、DASIモジュール、MDCRモジュールを含む。
論文 参考訳（メタデータ） (2024-03-16T02:45:42Z) - 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) - 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) - Deep Learning Computer Vision Algorithms for Real-time UAVs On-board
Camera Image Processing [77.34726150561087]
本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。
すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
論文 参考訳（メタデータ） (2022-11-02T11:10:42Z) - Enhanced Object Detection in Floor-plan through Super Resolution [1.9599274203282302]
情報モデリングソフトウェアの構築は、スケーラブルなベクトルフォーマットを使用してフロアプランの柔軟な設計を可能にする。
フロアプラン画像から完全アノテートベクター画像への変換は、コンピュータビジョンによって実現されたプロセスである。
Super-Resolution (SR) はコンピュータビジョンにおいて確立されたCNNベースのネットワークであり、低解像度画像を高解像度に変換するために使用される。
論文 参考訳（メタデータ） (2021-12-18T05:06:22Z) - DPNET: Dual-Path Network for Efficient Object Detectioj with Lightweight
Self-Attention [16.13989397708127]
DPNetは、軽量な自己注意を伴う効率的なオブジェクト検出のためのデュアルパスネットワークである。
COCOデータセットでは29.0%のAPを達成し、320x320の画像に対して1.14 GFLOPと2.27Mモデルサイズしか達成していない。
論文 参考訳（メタデータ） (2021-10-31T13:38:16Z) - Anti-UAV: A Large Multi-Modal Benchmark for UAV Tracking [59.06167734555191]
Unmanned Aerial Vehicle (UAV)は、商業とレクリエーションの両方に多くの応用を提供している。
我々は、UAVを追跡し、位置や軌道などの豊富な情報を提供するという課題を考察する。
300以上のビデオペアが580k以上の手動で注釈付きバウンディングボックスを含むデータセット、Anti-UAVを提案します。
論文 参考訳（メタデータ） (2021-01-21T07:00:15Z) - Suppress and Balance: A Simple Gated Network for Salient Object
Detection [89.88222217065858]
両問題を同時に解くための単純なゲートネットワーク(GateNet)を提案する。
多レベルゲートユニットの助けを借りて、エンコーダからの貴重なコンテキスト情報をデコーダに最適に送信することができる。
さらに,提案したFold-ASPP操作(Fold-ASPP)に基づくアトラス空間ピラミッドプーリングを用いて,様々なスケールのサリアンオブジェクトを正確に位置決めする。
論文 参考訳（メタデータ） (2020-07-16T02:00:53Z) - A Single Stream Network for Robust and Real-time RGB-D Salient Object
Detection [89.88222217065858]
我々は、深度マップを用いて、RGBと深度の間の早期融合と中核融合を誘導する単一ストリームネットワークを設計する。
このモデルは、現在の最も軽量なモデルよりも55.5%軽く、32 FPSのリアルタイム速度で384倍の384ドルの画像を処理している。
論文 参考訳（メタデータ） (2020-07-14T04:40:14Z)
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。