Fugu-MT 論文翻訳(概要): Intelligent Remote Sensing Image Quality Inspection System

論文の概要: Intelligent Remote Sensing Image Quality Inspection System

arxiv url: http://arxiv.org/abs/2307.11965v1
Date: Sat, 22 Jul 2023 02:50:07 GMT
ステータス: 処理完了
システム内更新日: 2023-07-25 18:37:24.002243
Title: Intelligent Remote Sensing Image Quality Inspection System
Title（参考訳）: インテリジェントリモートセンシング画像品質検査システム
Authors: Yijiong Yu, Tao Wang, Kang Ran, Chang Li and Hao Wu
Abstract要約: リモートセンシング画像品質検査のための2段階インテリジェントシステムを提案する。まず、画像分類を行い、次に、画像内の様々な品質問題をローカライズする最も適切な方法を用いる。
参考スコア（独自算出の注目度）: 7.809916978886697
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Quality inspection is a necessary task before putting any remote sensing image into practical application. However, traditional manual inspection methods suffer from low efficiency. Hence, we propose a novel two-step intelligent system for remote sensing image quality inspection that combines multiple models, which first performs image classification and then employs the most appropriate methods to localize various forms of quality problems in the image. Results demonstrate that the proposed method exhibits excellent performance and efficiency in remote sensing image quality inspection, surpassing the performance of those one-step methods. Furthermore, we conduct an initial exploration of the feasibility and potential of applying multimodal models to remote sensing image quality inspection.
Abstract（参考訳）: 遠隔センシング画像を実用化するには,品質検査が必要となる。しかし、従来の手動検査手法は低効率である。そこで本研究では,複数のモデルを組み合わせたリモートセンシング画像品質検査のための2段階知的システムを提案する。その結果,提案手法は遠隔センシング画像の画質検査において優れた性能と効率を示し,その性能を上回っていることがわかった。さらに,マルチモーダルモデルをリモートセンシング画像の画質検査に適用する可能性と可能性について,初期検討を行った。

関連論文リスト

Towards Improved Semiconductor Defect Inspection for high-NA EUVL based on SEMI-SuperYOLO-NAS [0.9997798039664684]
本研究の目的は、画像のスケールアップが可能なスケール不変ADCDフレームワークを提案することである。ベースラインのYOLO-NASアーキテクチャ上に構築されたSEMI-SuperYOLO-NASとして、即興ADCDフレームワークを提案する。
論文参考訳（メタデータ） (2024-04-08T20:51:30Z)
Model-free Grasping with Multi-Suction Cup Grippers for Robotic Bin Picking [63.15595970667581]
複数の吸引カップを有する吸引グリップパのグリップポーズのモデルフリー予測法を提案する。本手法はグリッパーの設計に非依存であり,グリッパー固有のトレーニングデータを必要としない。
論文参考訳（メタデータ） (2023-07-31T08:33:23Z)
Learning from Multi-Perception Features for Real-Word Image Super-resolution [87.71135803794519]
入力画像の複数の知覚的特徴を利用する新しいSR手法MPF-Netを提案する。本稿では,MPFEモジュールを組み込んで,多様な知覚情報を抽出する手法を提案する。また、モデルの学習能力を向上する対照的な正規化項(CR)も導入する。
論文参考訳（メタデータ） (2023-05-26T07:35:49Z)
Learning to search for and detect objects in foveal images using deep learning [3.655021726150368]
本研究では,画像中のクラスを探索する人間の客観的な注意をエミュレートする固定予測モデルを用いる。そして、各固定点のフェーブされた画像を分類して、シーンにターゲットが存在するか否かを判定する。本稿では,2つのタスク間の知識伝達を可能とし,修正予測と検出を同時に行うことができる新しいデュアルタスクモデルを提案する。
論文参考訳（メタデータ） (2023-04-12T09:50:25Z)
MSTRIQ: No Reference Image Quality Assessment Based on Swin Transformer with Multi-Stage Fusion [8.338999282303755]
本稿では,Swin Transformerに基づく新しいアルゴリズムを提案する。ローカル機能とグローバル機能の両方から情報を集約して、品質をより正確に予測する。 NTIRE 2022 Perceptual Image Quality Assessment Challengeのノーレファレンストラックで2位。
論文参考訳（メタデータ） (2022-05-20T11:34:35Z)
Multi-Scale Aligned Distillation for Low-Resolution Detection [68.96325141432078]
本稿では,高分解能モデルや多分解能モデルから知識を抽出することで,低分解能モデルの性能を向上させることに焦点を当てる。いくつかのインスタンスレベルの検出タスクとデータセットにおいて,本手法を用いて訓練された低解像度モデルと,従来のマルチスケールトレーニングによる訓練された高解像度モデルとを競合的に処理する。
論文参考訳（メタデータ） (2021-09-14T12:53:35Z)
Dual-Camera Super-Resolution with Aligned Attention Modules [56.54073689003269]
デュアルカメラ・スーパーレゾリューション(DCSR)に着目したレファレンスベース・スーパーレゾリューション(RefSR)への新しいアプローチを提案する。提案手法は,空間アライメント操作と標準パッチベースの特徴マッチングを一般化する。実世界の画像とトレーニング画像の領域ギャップを埋めるために,自己監督型領域適応戦略を提案する。
論文参考訳（メタデータ） (2021-09-03T07:17:31Z)
THAT: Two Head Adversarial Training for Improving Robustness at Scale [126.06873298511425]
本研究では,大規模多クラスイメージネットデータセットを扱うために設計された2ストリームの逆学習ネットワークであるhead adversarial trainingを提案する。提案手法では,2つのヘッドと2つの損失関数を持つネットワークを訓練する。1つは自然画像と逆画像間の特徴空間領域シフトを最小化し,もう1つは高い分類精度を促進する。
論文参考訳（メタデータ） (2021-03-25T05:32:38Z)
Towards Unsupervised Deep Image Enhancement with Generative Adversarial Network [92.01145655155374]
監視されていない画像強調生成ネットワーク(UEGAN)を提案する。教師なしの方法で所望の特性を持つ画像の集合から、対応する画像と画像のマッピングを学習する。その結果,提案モデルは画像の美的品質を効果的に向上することがわかった。
論文参考訳（メタデータ） (2020-12-30T03:22:46Z)
Boosting Image Super-Resolution Via Fusion of Complementary Information Captured by Multi-Modal Sensors [21.264746234523678]
イメージスーパーレゾリューション(sr)は、低解像度光センサの画質を向上させる有望な技術である。本稿では,安価なチャネル(可視・深度)からの補完情報を活用して,少ないパラメータを用いて高価なチャネル(熱)の画像品質を向上させる。
論文参考訳（メタデータ） (2020-12-07T02:15:28Z)

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。