論文の概要: Weakly-Supervised Semantic Segmentation of Ships Using Thermal Imagery
- arxiv url: http://arxiv.org/abs/2212.13170v1
- Date: Mon, 26 Dec 2022 14:20:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-27 14:52:44.806959
- Title: Weakly-Supervised Semantic Segmentation of Ships Using Thermal Imagery
- Title（参考訳）: 熱画像を用いた船舶の微視的セマンティックセグメンテーション
- Authors: Rushil Joshi, Ethan Adams, Matthew Ziemann, Christopher A. Metzler
- Abstract要約: 赤外線カメラとディープラーニングに基づくアルゴリズムを備えた無人航空機(UAV)は、関心のある物体を識別し、分類するための効率的な代替手段である。
これらのアルゴリズムをトレーニングするための標準的なアプローチは、高密度にラベル付けされた赤外線海洋画像の大規模なデータセットを必要とする。
本研究では、赤外線画像における船のセグメンテーションの文脈において、少ないラベル付きデータによるアルゴリズムの弱い監督により、データラベリングコストを大幅に削減できることを実証する。
- 参考スコア（独自算出の注目度）: 9.01037793978146
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The United States coastline spans 95,471 miles; a distance that cannot be
effectively patrolled or secured by manual human effort alone. Unmanned Aerial
Vehicles (UAVs) equipped with infrared cameras and deep-learning based
algorithms represent a more efficient alternative for identifying and
segmenting objects of interest - namely, ships. However, standard approaches to
training these algorithms require large-scale datasets of densely labeled
infrared maritime images. Such datasets are not publicly available and manually
annotating every pixel in a large-scale dataset would have an extreme labor
cost. In this work we demonstrate that, in the context of segmenting ships in
infrared imagery, weakly-supervising an algorithm with sparsely labeled data
can drastically reduce data labeling costs with minimal impact on system
performance. We apply weakly-supervised learning to an unlabeled dataset of
7055 infrared images sourced from the Naval Air Warfare Center Aircraft
Division (NAWCAD). We find that by sparsely labeling only 32 points per image,
weakly-supervised segmentation models can still effectively detect and segment
ships, with a Jaccard score of up to 0.756.
- Abstract（参考訳）: アメリカ合衆国海岸線は95,471マイルで、人力だけでは効果的にパトロールや確保ができない距離である。
赤外線カメラとディープラーニングベースのアルゴリズムを備えた無人航空機(uavs)は、興味のある物体、すなわち船を識別し分割するより効率的な選択肢である。
しかし、これらのアルゴリズムを訓練するための標準的なアプローチは、高密度にラベル付けされた赤外線海洋画像の大規模データセットを必要とする。
このようなデータセットは公開されておらず、大規模なデータセットのすべてのピクセルに手動でアノテートすることは、極端にコストがかかる。
本研究では, 船舶の赤外線画像のセグメンテーションにおいて, 少ないラベル付きデータによるアルゴリズムの弱い監督は, システム性能に最小限の影響を伴ってデータラベリングコストを大幅に削減できることを示した。
我々は海軍航空戦センター航空機部門(NAWCAD)から得られた7055赤外線画像のラベル付きデータセットに弱教師付き学習を適用した。
画像毎の32点のみをスパースラベルでラベル付けすることで、弱い教師付きセグメンテーションモデルでも、ジャカードスコアが最大0.756の船を効果的に検出およびセグメンテーションできることがわかった。
関連論文リスト
- 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) - Low-power Ship Detection in Satellite Images Using Neuromorphic Hardware [1.4330085996657045]
オンボードのデータ処理は、船を識別し、地上に送られるデータの量を削減できる。
船上で撮影されたほとんどの画像は水域や陸地のみを含み、エアバス船検出データセットでは船を含む画像の22.1%しか示していない。
1つの複雑なモデルに頼るのではなく、パフォーマンスを最適化する低消費電力2段階システムを構築した。
論文 参考訳（メタデータ） (2024-06-17T08:36:12Z) - Image and AIS Data Fusion Technique for Maritime Computer Vision
Applications [1.482087972733629]
本研究では,AIS(Automatic Identification System)データと画像に検出された容器を融合させてデータセットを作成する手法を開発した。
提案手法は, 距離と方位を推定することにより, 検出した船舶を対応するAISメッセージに関連付ける。
この技術は、水路交通管理、遭遇検知、監視のためのデータセットを作成するのに有用である。
論文 参考訳（メタデータ） (2023-12-07T20:54:49Z) - Improving Underwater Visual Tracking With a Large Scale Dataset and
Image Enhancement [70.2429155741593]
本稿では,水中ビジュアルオブジェクト追跡(UVOT)のための新しいデータセットと汎用トラッカ拡張手法を提案する。
水中環境は、一様でない照明条件、視界の低さ、鋭さの欠如、コントラストの低さ、カモフラージュ、懸濁粒子からの反射を示す。
本研究では,追尾品質の向上に特化して設計された水中画像強調アルゴリズムを提案する。
この手法により、最先端(SOTA)ビジュアルトラッカーの最大5.0%のAUCの性能が向上した。
論文 参考訳（メタデータ） (2023-08-30T07:41:26Z) - MTU-Net: Multi-level TransUNet for Space-based Infrared Tiny Ship
Detection [42.92798053154314]
我々は,48個の空間ベースの赤外線画像と17598ピクセルレベルの小型船舶アノテーションを用いた,宇宙ベースの小型船舶検出データセット(NUDT-SIRST-Sea)を開発した。
このような挑戦的な場面におけるこれらの小型船の極端な特性を考慮すると、本稿ではマルチレベルトランスUNet(MTU-Net)を提案する。
NUDT-SIRST-Seaデータセットによる実験結果から,MTU-Netは従来の深層学習に基づくSIRST法よりも検出率,誤警報率,結合上の交叉率の点で優れていた。
論文 参考訳（メタデータ） (2022-09-28T00:48:14Z) - xView3-SAR: Detecting Dark Fishing Activity Using Synthetic Aperture
Radar Imagery [52.67592123500567]
世界の漁業は海洋資源や生態系に大きな脅威をもたらす。
夜間または夜間、全天候下で暗黒船の自動検出が可能となった。
xView3-SARは、Sentinel-1ミッションから得られた1000近い分析可能なSAR画像で構成されている。
論文 参考訳（メタデータ） (2022-06-02T06:53:45Z) - LLVIP: A Visible-infrared Paired Dataset for Low-light Vision [4.453060631960743]
低照度ビジョンのための可視赤外ペアデータセットであるLLVIPを提案する。
このデータセットには30976枚の画像、15488枚の画像が含まれており、そのほとんどは非常に暗い場所で撮影された。
我々は、このデータセットを他の可視赤外線データセットと比較し、人気のあるビジュアルアルゴリズムの性能を評価する。
論文 参考訳（メタデータ） (2021-08-24T16:29:17Z) - Multi-View Radar Semantic Segmentation [3.2093811507874768]
自動車用レーダーは、周囲の物体の特性を測定する安価なアクティブセンサーである。
レーダー生データのサイズと複雑さのため、シーン理解にはほとんど使われない。
我々は,複数の新しいアーキテクチャとそれに伴う損失を提案し,レンジアングル・ドップラーレーダテンソルの複数の"ビュー"を分析し,意味的にセグメンテーションする。
論文 参考訳（メタデータ） (2021-03-30T09:56:41Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z) - Drone-based RGB-Infrared Cross-Modality Vehicle Detection via
Uncertainty-Aware Learning [59.19469551774703]
ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。
我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。
私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
論文 参考訳（メタデータ） (2020-03-05T05:29:44Z) - RGB-based Semantic Segmentation Using Self-Supervised Depth Pre-Training [77.62171090230986]
本稿では,任意の意味的RGBセグメンテーション手法の事前学習に使用できる,スケーラブルで自己管理の容易な手法を提案する。
特に、我々の事前学習アプローチでは、深度センサーを用いて得られるラベルを自動生成する。
提案したHNラベルによる自己教師付き事前学習が,ImageNetの事前学習にどのように応用できるかを示す。
論文 参考訳（メタデータ） (2020-02-06T11:16:24Z)
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。