論文の概要: Marine Debris Detection in Satellite Surveillance using Attention Mechanisms

• arxiv url: http://arxiv.org/abs/2307.04128v1
• Date: Sun, 9 Jul 2023 08:53:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-11 15:22:45.581454
• Title: Marine Debris Detection in Satellite Surveillance using Attention Mechanisms
• Title（参考訳）: 注意機構を用いた衛星観測における海ゴミ検出
• Authors: Ao Shen, Yijie Zhu and Richard Jiang
• Abstract要約: 本研究では、YOLOv7のインスタンスセグメンテーションを異なる注意機構と組み合わせ、最良のモデルを探究する。 ボックス検出評価の結果,CBAMが最高の成績を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Marine debris is an important issue for environmental protection, but current methods for locating marine debris are yet limited. In order to achieve higher efficiency and wider applicability in the localization of Marine debris, this study tries to combine the instance segmentation of YOLOv7 with different attention mechanisms and explores the best model. By utilizing a labelled dataset consisting of satellite images containing ocean debris, we examined three attentional models including lightweight coordinate attention, CBAM (combining spatial and channel focus), and bottleneck transformer (based on self-attention). Box detection assessment revealed that CBAM achieved the best outcome (F1 score of 77%) compared to coordinate attention (F1 score of 71%) and YOLOv7/bottleneck transformer (both F1 scores around 66%). Mask evaluation showed CBAM again leading with an F1 score of 73%, whereas coordinate attention and YOLOv7 had comparable performances (around F1 score of 68%/69%) and bottleneck transformer lagged behind at F1 score of 56%. These findings suggest that CBAM offers optimal suitability for detecting marine debris. However, it should be noted that the bottleneck transformer detected some areas missed by manual annotation and displayed better mask precision for larger debris pieces, signifying potentially superior practical performance.
• Abstract（参考訳）: 海洋デブリは環境保護の重要な問題であるが、現在の海洋デブリの特定方法はまだ限られている。 海洋堆積物の局在化において高い効率とより広い適用性を達成するため,本研究は,yolov7のインスタンス分割を異なる注意機構と組み合わせ,最良のモデルについて検討する。 海洋ゴミを含む衛星画像からなるラベル付きデータセットを用いて,軽量座標注意,CBAM(空間焦点とチャネル焦点を組み合わせた),ボトルネックトランスフォーマ(自己注意に基づく)の3つの注意モデルを検討した。 ボックス検出評価の結果,CBAMは座標注意(F1スコア71%)とYOLOv7/bottleneck Transformer(F1スコア約66%)と比較して最高の成績(F1スコア77%)を示した。 マスク評価では、cbamが再びf1スコアを73%、コーディネートアテンションとyolov7が同等のパフォーマンス(f1スコア68%/69%)、ボトルネックトランスフォーマーがf1スコア56%で遅れていた。 これらの結果から,CBAMは海洋破片の検出に最適であることがわかった。 しかし、ボトルネックトランスフォーマは手動アノテーションで見落とされた部分を検出し、大きな破片のマスク精度が向上し、実用的な性能が向上する可能性があることに注意すべきである。

関連論文リスト

• SOOD++: Leveraging Unlabeled Data to Boost Oriented Object Detection [59.868772767818975]
  本稿では,SOOD++ と呼ばれる簡易かつ効果的な半教師付きオブジェクト指向検出手法を提案する。 具体的には、空中画像からの物体は、通常任意の向き、小さなスケール、集約である。 様々なラベル付き環境下での多目的オブジェクトデータセットに対する大規模な実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-07-01T07:03:51Z)
• Multistatic-Radar RCS-Signature Recognition of Aerial Vehicles: A Bayesian Fusion Approach [10.908489565519211]
  無人航空機(UAV)用のレーダー自動目標認識(RATR)は、電磁波(EMW)を送信し、受信したレーダーエコーに対して目標型認識を行う。 これまでの研究では、RATRにおけるモノスタティックレーダよりも、マルチスタティックレーダの構成の利点を強調していた。 本稿では,複数のレーダからの分類確率ベクトルを集約するために,OBF(Optimal Bayesian Fusion)を用いた完全ベイズRATRフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-28T02:11:47Z)
• Underwater target detection based on improved YOLOv7 [7.264267222876267]
  本研究では,水中目標検出のための改良型YOLOv7ネットワーク(YOLOv7-AC)を提案する。 提案するネットワークは、ACmixBlockモジュールを使用して、E-ELAN構造の3x3畳み込みブロックを置き換える。 ResNet-ACmixモジュールは、特徴情報の損失を回避し、計算量を削減するように設計されている。
  論文  参考訳（メタデータ） (2023-02-14T09:50:52Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• 1st Workshop on Maritime Computer Vision (MaCVi) 2023: Challenge Results [152.54137779547068]
  本報告では、個々のサブチャンジの主な発見を要約し、SeaDronesSee Object Detection v2と呼ばれる新しいベンチマークを導入する。 データセット、評価コード、リーダーボードはhttps://seadronessee.cs.uni-tuebingen.de/macvi.comで公開されている。
  論文  参考訳（メタデータ） (2022-11-24T09:59:13Z)
• Active Gaze Control for Foveal Scene Exploration [124.11737060344052]
  本研究では,葉型カメラを用いた人間とロボットが現場を探索する方法をエミュレートする手法を提案する。 提案手法は,同数の視線シフトに対してF1スコアを2～3ポイント増加させる。
  論文  参考訳（メタデータ） (2022-08-24T14:59:28Z)
• A Transfer Learning-Based Approach to Marine Vessel Re-Identification [0.0]
  本稿では, 海上における船舶の揺れ状況をシミュレーションし, 移動動的アライメントアルゴリズムを提案する。 平均平均精度(mAP)を10.2%改善し、最初のヒットレート(Rank1)を4.9%改善する。
  論文  参考訳（メタデータ） (2022-07-29T06:36:10Z)
• ERNIE-SPARSE: Learning Hierarchical Efficient Transformer Through Regularized Self-Attention [48.697458429460184]
  情報ボトルネック感度と異なる注目トポロジ間の不整合の2つの要因がスパース変換器の性能に影響を及ぼす可能性がある。 本稿では,ERNIE-Sparseというモデルを提案する。 i) 局所情報とグローバル情報を逐次統一する階層スパース変換器(HST) と、(ii) 注意トポロジの異なる変換器の距離を最小化する自己注意正規化(SAR) の2つの特徴がある。
  論文  参考訳（メタデータ） (2022-03-23T08:47:01Z)
• ASFD: Automatic and Scalable Face Detector [59.31799101216593]
  本稿では,既存の全FAEモジュールをかなりの差で検出し,優れたFAEアーキテクチャであるAutoFAEを探索することを提案する。 特に、当社の強力な ASFD-D6 は WIDER Face テストで AP 96.7/96.2/92.1 よりも優れており、軽量の ASFD-D0 は約3.1 ms で 320 FPS 以上である。
  論文  参考訳（メタデータ） (2022-01-26T07:11:51Z)
• Towards Robust Visual Tracking for Unmanned Aerial Vehicle with Tri-Attentional Correlation Filters [19.831557268085234]
  マルチレベルの視覚的注意を生かした新しいオブジェクト追跡フレームワークを提案する。 提案トラッカーは,UAVタスクにおける高い運用効率を維持しつつ,困難な要因に対する堅牢な相関力を備えている。
  論文  参考訳（メタデータ） (2020-08-02T17:36:25Z)

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。