Fugu-MT 論文翻訳(概要): Multimodal Object Detection in Remote Sensing

論文の概要: Multimodal Object Detection in Remote Sensing

arxiv url: http://arxiv.org/abs/2307.06724v1
Date: Thu, 13 Jul 2023 12:37:14 GMT
ステータス: 処理完了
システム内更新日: 2023-07-14 14:38:19.859588
Title: Multimodal Object Detection in Remote Sensing
Title（参考訳）: リモートセンシングにおけるマルチモーダル物体検出
Authors: Abdelbadie Belmouhcine, Jean-Christophe Burnel, Luc Courtrai, Minh-Tan Pham and S\'ebastien Lef\`evre
Abstract要約: リモートセンシングにおけるマルチモーダル物体検出法の比較を行った。評価に適したマルチモーダルデータセットを調査し,今後の方向性について考察する。
参考スコア（独自算出の注目度）: 2.8698937226234795
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Object detection in remote sensing is a crucial computer vision task that has seen significant advancements with deep learning techniques. However, most existing works in this area focus on the use of generic object detection and do not leverage the potential of multimodal data fusion. In this paper, we present a comparison of methods for multimodal object detection in remote sensing, survey available multimodal datasets suitable for evaluation, and discuss future directions.
Abstract（参考訳）: リモートセンシングにおける物体検出は、ディープラーニング技術で大きな進歩を遂げた重要なコンピュータビジョンタスクである。しかし、この分野の既存の作品の多くは汎用オブジェクト検出の利用に焦点を合わせており、マルチモーダルデータ融合の可能性を活用していない。本稿では,リモートセンシングにおけるマルチモーダルオブジェクト検出手法の比較,評価に適したマルチモーダルデータセットの調査,今後の方向性について述べる。

関連論文リスト

Interactive Masked Image Modeling for Multimodal Object Detection in Remote Sensing [2.0528748158119434]
マルチモーダル学習は、異なるデータモダリティの機能を統合するために使用することができ、それによって検出精度が向上する。本稿では,事前学習手法としてMasked Image Modeling (MIM) を提案する。そこで本稿では,リモートセンシングにおけるオブジェクト検出に特に有用である,異なるトークン間のインタラクションを確立するための対話型MIM手法を提案する。
論文参考訳（メタデータ） (2024-09-13T14:50:50Z)
Multimodal Object Detection via Probabilistic a priori Information Integration [0.0]
マルチモーダル物体検出はリモートセンシングにおいて有望であることを示す。本稿では,対象対象物を含む1つのモダリティのみを含むマルチモーダル物体検出について検討する。本稿では,文脈のバイナリ情報を確率マップに変換することでアライメント問題を解決することを提案する。
論文参考訳（メタデータ） (2024-05-24T14:28:06Z)
MMDR: A Result Feature Fusion Object Detection Approach for Autonomous System [5.499393552545591]
提案手法は,MMDR (Multi-Modal Detector based based Result features) と呼ばれ,2次元と3次元の両方のオブジェクト検出タスクで動作するように設計されている。 MMDRモデルは、機能融合の段階で、浅いグローバルな特徴を取り入れ、背景情報を知覚する能力を持つモデルを提供する。
論文参考訳（メタデータ） (2023-04-19T12:28:42Z)
Recent Advances in Embedding Methods for Multi-Object Tracking: A Survey [71.10448142010422]
マルチオブジェクトトラッキング(MOT)は、動画フレーム全体で対象物を関連付け、移動軌道全体を取得することを目的としている。埋め込み法はMOTにおける物体の位置推定と時間的同一性関連において重要な役割を担っている。まず 7 つの異なる視点からMOT への埋め込み手法の奥行き解析による包括的概要を述べる。
論文参考訳（メタデータ） (2022-05-22T06:54:33Z)
Multi-modal Transformers Excel at Class-agnostic Object Detection [105.10403103027306]
既存の手法では、人間の理解可能な意味論によって支配されるトップダウンの監視信号が欠落していると論じる。マルチスケール特徴処理と変形可能な自己アテンションを用いた効率よく柔軟なMViTアーキテクチャを開発した。多様なアプリケーションにおけるMViT提案の重要性を示す。
論文参考訳（メタデータ） (2021-11-22T18:59:29Z)
Deep Learning for UAV-based Object Detection and Tracking: A Survey [25.34399619170044]
無人航空機(UAV)は最近、コンピュータビジョン(CV)とリモートセンシング(RS)の分野でホットスポットになっている。近年のディープラーニング(DL)の成功に触発されて、様々なUAV関連タスクに多くの高度な物体検出と追跡アプローチが適用されている。本稿では, DLを用いたUAV物体検出・追跡手法の研究の進展と今後の展望について概説する。
論文参考訳（メタデータ） (2021-10-25T04:43:24Z)
Infrared Small-Dim Target Detection with Transformer under Complex Backgrounds [155.388487263872]
変換器を用いた赤外線小径目標検出手法を提案する。画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
論文参考訳（メタデータ） (2021-09-29T12:23:41Z)
Deep Learning on Monocular Object Pose Detection and Tracking: A Comprehensive Overview [8.442460766094674]
オブジェクトのポーズ検出と追跡は、自律運転、ロボット工学、拡張現実など、多くの分野で広く応用されているため、注目を集めている。ディープラーニングは、他のものよりも優れたパフォーマンスを示した最も有望なものです。本稿では,ディープラーニング技術経路に属するオブジェクトのポーズ検出と追跡の最近の進歩を概観する。
論文参考訳（メタデータ） (2021-05-29T12:59:29Z)
Ensembling object detectors for image and video data analysis [98.26061123111647]
本稿では,複数の物体検出器の出力をアンサンブルすることで,画像データ上の境界ボックスの検出性能と精度を向上させる手法を提案する。本研究では,2段階追跡に基づく検出精度向上手法を提案することで,映像データに拡張する。
論文参考訳（メタデータ） (2021-02-09T12:38:16Z)
Multi-Task Multi-Sensor Fusion for 3D Object Detection [93.68864606959251]
本稿では,2次元および3次元物体検出と地盤推定と奥行き完了を理由とするエンドツーエンド学習可能なアーキテクチャを提案する。実験の結果,これらのタスクは相補的であり,様々なレベルで情報を融合することで,ネットワークがよりよい表現を学ぶのに役立つことがわかった。
論文参考訳（メタデータ） (2020-12-22T22:49:15Z)
Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文参考訳（メタデータ） (2020-09-16T11:37:43Z)

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。