論文の概要: Object Detection performance variation on compressed satellite image datasets with iquaflow

• arxiv url: http://arxiv.org/abs/2301.05892v1
• Date: Sat, 14 Jan 2023 11:20:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-18 18:14:29.495449
• Title: Object Detection performance variation on compressed satellite image datasets with iquaflow
• Title（参考訳）: Iquaflowを用いた圧縮衛星画像の物体検出性能の変動
• Authors: Pau Gall\'es, Katalin Takats and Javier Marin
• Abstract要約: iquaflowは、画像データセットを変更することで、画質とモデルパフォーマンスの変化を研究するように設計されている。 公開画像データセットを用いたオブジェクト検出モデルの導入に関する展示研究を行っている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A lot of work has been done to reach the best possible performance of predictive models on images. There are fewer studies about the resilience of these models when they are trained on image datasets that suffer modifications altering their original quality. Yet this is a common problem that is often encountered in the industry. A good example of that is with earth observation satellites that are capturing many images. The energy and time of connection to the earth of an orbiting satellite are limited and must be carefully used. An approach to mitigate that is to compress the images on board before downloading. The compression can be regulated depending on the intended usage of the image and the requirements of this application. We present a new software tool with the name iquaflow that is designed to study image quality and model performance variation given an alteration of the image dataset. Furthermore, we do a showcase study about oriented object detection models adoption on a public image dataset DOTA Xia_2018_CVPR given different compression levels. The optimal compression point is found and the usefulness of iquaflow becomes evident.
• Abstract（参考訳）: 画像上の予測モデルの最高のパフォーマンスを達成するために、多くの作業が行われました。 これらのモデルのレジリエンスに関する研究は、元の品質を変える修正に苦しむイメージデータセットでトレーニングされている場合、少ない。 しかし、これは業界でしばしば発生する一般的な問題です。 その好例は、多くの画像を撮影している地球観測衛星である。 軌道上の衛星の地球への接続エネルギーと時間には制限があり、慎重に使用する必要がある。 これを緩和するアプローチは、ダウンロードする前にボード上の画像を圧縮する。 圧縮は、画像の意図された使用状況と、このアプリケーションの要件に応じて規制することができる。 本稿では,画像データセットの変更を前提として,画像品質とモデル性能のばらつきを調べるための新しいソフトウェアツール iquaflow を提案する。 さらに、圧縮レベルが異なる公開画像データセットDOTA Xia_2018_CVPR上でのオブジェクト指向物体検出モデルの適用について展示する。 最適圧縮点が発見され、iquaflowの有用性が明らかになる。

関連論文リスト

• Community Forensics: Using Thousands of Generators to Train Fake Image Detectors [15.166026536032142]
  AI生成画像を検出する上で重要な課題の1つは、これまで目に見えない生成モデルによって作成された画像を見つけることである。 従来よりも大きく,多様である新しいデータセットを提案する。 得られたデータセットには、4803の異なるモデルからサンプリングされた2.7Mイメージが含まれている。
  論文  参考訳（メタデータ） (2024-11-06T18:59:41Z)
• Deep Image Composition Meets Image Forgery [0.0]
  画像偽造は長年研究されてきた。 ディープラーニングモデルは、トレーニングのために大量のラベル付きデータを必要とする。 本研究では,画像合成深層学習モデルを用いて,実生活における操作の質に近いスプライシング画像を生成する。
  論文  参考訳（メタデータ） (2024-04-03T17:54:37Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• DiffusionSat: A Generative Foundation Model for Satellite Imagery [63.2807119794691]
  現在、DiffusionSatは、現在利用可能な大規模な高解像度リモートセンシングデータセットのコレクションに基づいてトレーニングされている、最大の生成基盤モデルである。 提案手法は, リアルタイムなサンプルを作成し, 時間生成, マルチスペクトル入力の超解像, インペイントなどの複数の生成課題を解くのに利用できる。
  論文  参考訳（メタデータ） (2023-12-06T16:53:17Z)
• Zero shot framework for satellite image restoration [25.163783640750573]
  衛星画像復元のための歪み分散と知識蒸留の枠組みを提案する。 我々のアルゴリズムでは、歪みした衛星画像の復元と、類似した意味を持つ参照画像の2つの画像しか必要としない。
  論文  参考訳（メタデータ） (2023-06-05T14:34:58Z)
• Masked Transformer for image Anomaly Localization [14.455765147827345]
  パッチマスキングを用いたビジョントランスフォーマーアーキテクチャに基づく画像異常検出のための新しいモデルを提案する。 マルチレゾリューションパッチとその集合埋め込みは,モデルの性能を大幅に向上させることを示す。 提案モデルはMVTecや頭部CTなどの一般的な異常検出データセットでテストされている。
  論文  参考訳（メタデータ） (2022-10-27T15:30:48Z)
• IQUAFLOW: A new framework to measure image quality [0.0]
  iquaflowは画像の品質を評価するツールセットを提供する。 ユーザーは簡単に統合できるカスタムメトリクスを追加できる。 iquaflowは、画像上でトレーニングされたAIモデルのパフォーマンスをプロキシとして使用することで、品質を測定することができる。
  論文  参考訳（メタデータ） (2022-10-24T14:10:17Z)
• TINYCD: A (Not So) Deep Learning Model For Change Detection [68.8204255655161]
  変化検出(CD)の目的は、同じ領域で発生した変化を異なる時間に撮影された2つの画像を比較して検出することである。 ディープラーニングの分野での最近の進歩により、研究者はこの分野で卓越した成果を得られるようになった。 我々はTinyCDと呼ばれる新しいモデルを提案し、軽量かつ効果的であることを実証した。
  論文  参考訳（メタデータ） (2022-07-26T19:28:48Z)
• Variable-Rate Deep Image Compression through Spatially-Adaptive Feature Transform [58.60004238261117]
  空間特徴変換(SFT arXiv:1804.02815)に基づく多目的深部画像圧縮ネットワークを提案する。 本モデルは,任意の画素単位の品質マップによって制御される単一モデルを用いて,幅広い圧縮速度をカバーしている。 提案するフレームワークにより,様々なタスクに対してタスク対応の画像圧縮を行うことができる。
  論文  参考訳（メタデータ） (2021-08-21T17:30:06Z)
• Salient Objects in Clutter [130.63976772770368]
  本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。 この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。 我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
  論文  参考訳（メタデータ） (2021-05-07T03:49:26Z)
• Contemplating real-world object classification [53.10151901863263]
  Barbuらが最近提案したObjectNetデータセットを再分析した。 日常の状況に物を含むこと。 分離されたオブジェクトにディープモデルを適用すると、元の論文のようにシーン全体ではなく、約20～30%の性能改善が得られます。
  論文  参考訳（メタデータ） (2021-03-08T23:29:59Z)

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。