論文の概要: Infrared Small Target Detection Using Double-Weighted Multi-Granularity
Patch Tensor Model With Tensor-Train Decomposition
- arxiv url: http://arxiv.org/abs/2310.05347v1
- Date: Mon, 9 Oct 2023 02:17:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-12 08:22:56.798003
- Title: Infrared Small Target Detection Using Double-Weighted Multi-Granularity
Patch Tensor Model With Tensor-Train Decomposition
- Title(参考訳): テンソルトレイン分解を用いた二重重み付きマルチグラニティパッチテンソルモデルによる赤外小ターゲット検出
- Authors: Guiyu Zhang, Qunbo Lv, Zui Tao, Baoyu Zhu, Zheng Tan, Yuan Ma
- Abstract要約: 本稿では,DWMGIPT(Double-weighted multi-granularity infrared patch tensor)モデルを提案する。
提案アルゴリズムはノイズや異なるシーンに対して堅牢である。
- 参考スコア(独自算出の注目度): 6.517559383143804
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Infrared small target detection plays an important role in the remote sensing
fields. Therefore, many detection algorithms have been proposed, in which the
infrared patch-tensor (IPT) model has become a mainstream tool due to its
excellent performance. However, most IPT-based methods face great challenges,
such as inaccurate measure of the tensor low-rankness and poor robustness to
complex scenes, which will leadto poor detection performance. In order to solve
these problems, this paper proposes a novel double-weighted multi-granularity
infrared patch tensor (DWMGIPT) model. First, to capture different granularity
information of tensor from multiple modes, a multi-granularity infrared patch
tensor (MGIPT) model is constructed by collecting nonoverlapping patches and
tensor augmentation based on the tensor train (TT) decomposition. Second, to
explore the latent structure of tensor more efficiently, we utilize the
auto-weighted mechanism to balance the importance of information at different
granularity. Then, the steering kernel (SK) is employed to extract local
structure prior, which suppresses background interference such as strong edges
and noise. Finally, an efficient optimization algorithm based on the
alternating direction method of multipliers (ADMM) is presented to solve the
model. Extensive experiments in various challenging scenes show that the
proposed algorithm is robust to noise and different scenes. Compared with the
other eight state-of-the-art methods, different evaluation metrics demonstrate
that our method achieves better detection performance in various complex
scenes.
- Abstract(参考訳): 赤外線小目標検出はリモートセンシング分野において重要な役割を果たす。
そのため、赤外線パッチテンソル(ipt)モデルが、その優れた性能により主流となる多くの検出アルゴリズムが提案されている。
しかし、ほとんどのIPTベースの手法は、テンソルの低ランク性の不正確な測定や複雑なシーンに対する堅牢性の低下など、検出性能の低下など、大きな課題に直面している。
これらの問題を解決するために,本論文では,DWMGIPT(Double-weighted multi-granularity infrared patch tensor)モデルを提案する。
まず、複数のモードからテンソルの異なる粒度情報を取得するために、テンソルトレイン(TT)分解に基づいて非重複パッチとテンソル増倍を収集することにより、多粒度赤外線パッチテンソル(MGIPT)モデルを構築する。
第二に, テンソルの潜在構造をより効率的に探索するために, 異なる粒度における情報の重要性のバランスをとるために, 自己重み付け機構を用いる。
次に、ステアリングカーネル(SK)を用いて、前の局所構造を抽出し、強いエッジやノイズなどのバックグラウンド干渉を抑制する。
最後に,乗算器の交互方向法(ADMM)に基づく効率的な最適化アルゴリズムを提案する。
様々な挑戦シーンにおける大規模な実験は、提案アルゴリズムがノイズや異なるシーンに対して堅牢であることを示している。
他の8つの最先端手法と比較して,本手法は様々な複雑なシーンにおいて優れた検出性能が得られることを示す。
関連論文リスト
- SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised
Learning for Robust Infrared Small Target Detection [53.19618419772467]
単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。
Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。
赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
論文 参考訳(メタデータ) (2024-03-08T16:14:54Z) - Robust Anomaly Detection for Particle Physics Using Multi-Background
Representation Learning [16.301828198874507]
異常検出は、粒子物理学における新しい粒子やプロセスの発見を支援するための有望なツールである。
複数のバックグラウンド型から表現学習を用いて検出アルゴリズムを構築する。
本研究では,大型ハドロン衝突型加速器における粒子崩壊の高次元データセット上で,頑健なマルチバックグラウンド異常検出アルゴリズムの利点を実証する。
論文 参考訳(メタデータ) (2024-01-16T19:00:20Z) - Degradation-Noise-Aware Deep Unfolding Transformer for Hyperspectral
Image Denoising [9.119226249676501]
ハイパースペクトル画像(HSI)は、帯域幅が狭いため、ノイズが多いことが多い。
HSIデータキューブのノイズを低減するため、モデル駆動型と学習型の両方の復調アルゴリズムが提案されている。
本稿では,これらの問題に対処するDNA-Net(Degradation-Noise-Aware Unfolding Network)を提案する。
論文 参考訳(メタデータ) (2023-05-06T13:28:20Z) - ReDFeat: Recoupling Detection and Description for Multimodal Feature
Learning [51.07496081296863]
我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。
本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。
我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
論文 参考訳(メタデータ) (2022-05-16T04:24:22Z) - UFPMP-Det: Toward Accurate and Efficient Object Detection on Drone
Imagery [26.27705791338182]
本稿では,UFPMP-Det(Unified Foreground Packing)を用いたマルチプロキシ検出ネットワーク(Multi-Proxy Detection Network)を提案する。
UFPMP-Detは、高解像度の入力画像をフォアグラウンド比の低いかなり多くのチップに分割して検出する一般的なソリューションとは異なる、非常に小さなスケールの多数のインスタンスを扱うように設計されている。
広く使われているVisDroneとUAVDTデータセットで実験が行われ、UFPMP-Detは新たな最先端スコアをはるかに高速で報告し、その利点を強調している。
論文 参考訳(メタデータ) (2021-12-20T09:28:44Z) - Non-Convex Tensor Low-Rank Approximation for Infrared Small Target
Detection [32.67489082946838]
赤外線小目標検出は、多くの赤外線システムにおいて重要な役割を果たす。
ほとんどの低ランク手法は、異なる特異値を不正確な背景推定に割り当てる。
この小さな赤外線ターゲット検出アルゴリズムに対して,非ネイティブ空間近似(NTLA)を提案する。
論文 参考訳(メタデータ) (2021-05-31T14:04:58Z) - Semi-orthogonal Embedding for Efficient Unsupervised Anomaly
Segmentation [6.135577623169028]
我々は,ロバスト近似のための半直交埋め込みに,ランダムな特徴選択というアドホックな手法を一般化する。
アブレーション研究の精査により,提案手法はMVTec AD, KolektorSDD, KolektorSDD2, mSTCデータセットに対して,新たな最先端技術を実現する。
論文 参考訳(メタデータ) (2021-05-31T07:02:20Z) - M2TR: Multi-modal Multi-scale Transformers for Deepfake Detection [74.19291916812921]
Deepfake技術によって生成された鍛造画像は、デジタル情報の信頼性に深刻な脅威をもたらします。
本稿では,Deepfake検出のための微妙な操作アーチファクトを異なるスケールで捉えることを目的とする。
最先端の顔スワッピングと顔の再現方法によって生成された4000のDeepFakeビデオで構成される高品質のDeepFakeデータセットSR-DFを紹介します。
論文 参考訳(メタデータ) (2021-04-20T05:43:44Z) - Learning Selective Mutual Attention and Contrast for RGB-D Saliency
Detection [145.4919781325014]
クロスモーダル情報を効果的に融合する方法は、RGB-Dの有能な物体検出の鍵となる問題である。
多くのモデルは特徴融合戦略を用いるが、低次点対点融合法によって制限されている。
本研究では,異なるモダリティから注目とコンテキストを融合させることにより,新たな相互注意モデルを提案する。
論文 参考訳(メタデータ) (2020-10-12T08:50:10Z) - Deep Variational Network Toward Blind Image Restoration [55.33102369856991]
ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。
両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。
画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
論文 参考訳(メタデータ) (2020-08-25T03:30:53Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳(メタデータ) (2020-08-19T13:13:01Z)
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。