論文の概要: Exploring Different Levels of Supervision for Detecting and Localizing Solar Panels on Remote Sensing Imagery

• arxiv url: http://arxiv.org/abs/2309.10421v1
• Date: Tue, 19 Sep 2023 08:33:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-20 15:33:25.329869
• Title: Exploring Different Levels of Supervision for Detecting and Localizing Solar Panels on Remote Sensing Imagery
• Title（参考訳）: リモートセンシング画像におけるソーラーパネルの検出と位置推定のための異なるレベルのスーパービジョンの探索
• Authors: Maarten Burger (1 and 2) and Rob Wijnhoven (1) and Shaodi You (2) ((1) University of Amsterdam (UvA), (2) Spotr.ai)
• Abstract要約: 本研究では,太陽光パネル認識に着目したリモートセンシング画像における物体の存在検出と位置決めについて検討した。 我々は、完全な教師付きオブジェクト検出器、CAMに基づくローカライゼーションを備えた弱教師付きイメージ分類器、最小教師付き異常検出器の3つのモデルについて検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This study investigates object presence detection and localization in remote sensing imagery, focusing on solar panel recognition. We explore different levels of supervision, evaluating three models: a fully supervised object detector, a weakly supervised image classifier with CAM-based localization, and a minimally supervised anomaly detector. The classifier excels in binary presence detection (0.79 F1-score), while the object detector (0.72) offers precise localization. The anomaly detector requires more data for viable performance. Fusion of model results shows potential accuracy gains. CAM impacts localization modestly, with GradCAM, GradCAM++, and HiResCAM yielding superior results. Notably, the classifier remains robust with less data, in contrast to the object detector.
• Abstract（参考訳）: 本研究では,太陽光パネル認識に着目したリモートセンシング画像における物体の存在検出と位置推定について検討する。 我々は、完全な教師付きオブジェクト検出器、CAMに基づくローカライゼーションを備えた弱教師付きイメージ分類器、最小教師付き異常検出器の3つのモデルを評価する。 分類器はバイナリ存在検出(0.79F1スコア)を排他し、対象検出器(0.72)は正確な位置検出を行う。 anomaly detectorは、実行可能なパフォーマンスのためにより多くのデータを必要とする。 モデル結果の融合は、潜在的な精度向上を示す。 CAMは、GradCAM、GradCAM++、HiResCAMが優れた結果をもたらすため、ローカライゼーションを控えめに影響を及ぼす。 特に、分類器はオブジェクト検出器とは対照的に、少ないデータで堅牢である。

関連論文リスト

• Better Sampling, towards Better End-to-end Small Object Detection [7.7473020808686694]
  限られた特性と高密度と相互重なり合いのため、小さな物体検出は不満足なままである。 エンド・ツー・エンド・フレームワークにおけるサンプリングの強化手法を提案する。 我々のモデルは、VisDroneデータセット上での最先端(SOTA)よりも平均精度(AP)が2.9%向上することを示す。
  論文  参考訳（メタデータ） (2024-05-17T04:37:44Z)
• Efficient Meta-Learning Enabled Lightweight Multiscale Few-Shot Object Detection in Remote Sensing Images [15.12889076965307]
  YOLOv7ワンステージ検出器は、新しいメタラーニングトレーニングフレームワークが組み込まれている。 この変換により、検出器はFSODのタスクに十分対応できると同時に、その固有の軽量化の利点を活かすことができる。 提案検出器の有効性を検証するため, 現状の検出器と性能比較を行った。
  論文  参考訳（メタデータ） (2024-04-29T04:56:52Z)
• Cross-Cluster Shifting for Efficient and Effective 3D Object Detection in Autonomous Driving [69.20604395205248]
  本稿では,自律運転における3次元物体検出のための3次元点検出モデルであるShift-SSDを提案する。 我々は、ポイントベース検出器の表現能力を解き放つために、興味深いクロスクラスタシフト操作を導入する。 我々は、KITTI、ランタイム、nuScenesデータセットに関する広範な実験を行い、Shift-SSDの最先端性能を実証した。
  論文  参考訳（メタデータ） (2024-03-10T10:36:32Z)
• Hierarchical Point Attention for Indoor 3D Object Detection [111.04397308495618]
  本研究は、点ベース変圧器検出器の汎用階層設計として、2つの新しい注意操作を提案する。 まず、よりきめ細かい特徴学習を可能にするために、シングルスケールの入力機能からマルチスケールトークンを構築するマルチスケール注意(MS-A)を提案する。 第2に,適応型アテンション領域を持つサイズ適応型ローカルアテンション(Local-A)を提案する。
  論文  参考訳（メタデータ） (2023-01-06T18:52:12Z)
• Object detection-based inspection of power line insulators: Incipient fault detection in the low data-regime [0.0]
  本研究は,円盤内の初期欠陥に着目し,空画像からの絶縁体および資産検査のための3つの物体検出タスクを定式化する。 我々は、健康かつ欠陥のある絶縁体を検出するための堅牢な特徴を学習するために使用できる、絶縁体画像の大規模な参照データセットをキュレートする。 その結果, 物体検出モデルを用いて, 絶縁体中の欠陥を早期に検出できることが示唆された。
  論文  参考訳（メタデータ） (2022-12-21T13:49:19Z)
• A Tri-Layer Plugin to Improve Occluded Detection [100.99802831241583]
  本研究では,2段階物体検出装置の頭部検出のための単純な''モジュールを提案し,部分閉塞物体のリコールを改善する。 モジュールは、ターゲットオブジェクト、オクルーダー、オクラデーのセグメンテーションマスクの三層を予測し、それによってターゲットオブジェクトのマスクをより正確に予測することができる。 また,COCO評価データセットを構築し,部分閉塞オブジェクトと分離オブジェクトのリコール性能を測定した。
  論文  参考訳（メタデータ） (2022-10-18T17:59:51Z)
• Self-Calibrating Anomaly and Change Detection for Autonomous Inspection Robots [0.07366405857677225]
  視覚異常または変化検出アルゴリズムは、参照画像やデータセットとは異なる画像の領域を特定する。 本研究では,事前の未知環境における異常や変化を検出するための総合的なディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-26T09:52:12Z)
• Robust Region Feature Synthesizer for Zero-Shot Object Detection [87.79902339984142]
  我々は,クラス内セマンティック・ディバージングコンポーネントとクラス間構造保存コンポーネントを含む,新しいゼロショットオブジェクト検出フレームワークを構築した。 リモートセンシング画像においてゼロショット物体検出を行う最初の研究である。
  論文  参考訳（メタデータ） (2022-01-01T03:09:15Z)
• Delving into Localization Errors for Monocular 3D Object Detection [85.77319416168362]
  単眼画像から3Dバウンディングボックスを推定することは、自動運転に不可欠な要素です。 本研究では, 各サブタスクがもたらす影響を定量化し, 局所化誤差を求めることが, モノクロ3次元検出の抑制に欠かせない要因である。
  論文  参考訳（メタデータ） (2021-03-30T10:38:01Z)
• Robust and Accurate Object Detection via Adversarial Learning [111.36192453882195]
  この研究は、逆の例を探索することで、物体検出器の微調整段階を補強する。 提案手法は,オブジェクト検出ベンチマークにおいて,最先端のEfficientDetsの性能を+1.1mAP向上させる。
  論文  参考訳（メタデータ） (2021-03-23T19:45:26Z)

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。