論文の概要: RPCANet: Deep Unfolding RPCA Based Infrared Small Target Detection

• arxiv url: http://arxiv.org/abs/2311.00917v1
• Date: Thu, 2 Nov 2023 01:21:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-03 15:16:00.247817
• Title: RPCANet: Deep Unfolding RPCA Based Infrared Small Target Detection
• Title（参考訳）: RPCANet: RPCAベースの赤外線小ターゲット検出
• Authors: Fengyi Wu, Tianfang Zhang, Lei Li, Yian Huang, Zhenming Peng
• Abstract要約: この研究は、RPCANetと呼ばれる赤外線ディムターゲットを検出するための解釈可能なディープネットワークを提案する。 提案手法では, ISTDタスクをスパースターゲット抽出, 低ランク背景推定, 画像再構成として定式化する。 反復最適化の更新ステップをディープラーニングフレームワークに展開することにより、時間を要する複雑な行列計算を理論誘導ニューラルネットワークに置き換える。
• 参考スコア（独自算出の注目度）: 10.202639589226076
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning (DL) networks have achieved remarkable performance in infrared small target detection (ISTD). However, these structures exhibit a deficiency in interpretability and are widely regarded as black boxes, as they disregard domain knowledge in ISTD. To alleviate this issue, this work proposes an interpretable deep network for detecting infrared dim targets, dubbed RPCANet. Specifically, our approach formulates the ISTD task as sparse target extraction, low-rank background estimation, and image reconstruction in a relaxed Robust Principle Component Analysis (RPCA) model. By unfolding the iterative optimization updating steps into a deep-learning framework, time-consuming and complex matrix calculations are replaced by theory-guided neural networks. RPCANet detects targets with clear interpretability and preserves the intrinsic image feature, instead of directly transforming the detection task into a matrix decomposition problem. Extensive experiments substantiate the effectiveness of our deep unfolding framework and demonstrate its trustworthy results, surpassing baseline methods in both qualitative and quantitative evaluations.
• Abstract（参考訳）: 深層学習(DL)ネットワークは、赤外線小目標検出(ISTD)において顕著な性能を達成した。 しかし、これらの構造は解釈可能性に欠けており、istdのドメイン知識を無視してブラックボックスと見なされている。 この問題を緩和するために、RPCANetと呼ばれる赤外線ディムターゲットを検出するための解釈可能なディープネットワークを提案する。 具体的には,ISTDタスクを,緩やかな目標抽出,低ランク背景推定,画像再構成として,緩やかなロバスト原理成分分析(RPCA)モデルで定式化する。 反復最適化の更新ステップをディープラーニングフレームワークに展開することで、時間消費と複雑な行列計算を理論誘導ニューラルネットワークに置き換える。 RPCANetは、検出タスクを直接マトリックス分解問題に変換する代わりに、明確な解釈可能性を持つターゲットを検出し、固有の画像特徴を保存する。 広汎な実験は、我々の深層展開フレームワークの有効性を実証し、その信頼性を実証し、質的および定量的評価の両面で基準法を超越した。

関連論文リスト

• Sparse Prior Is Not All You Need: When Differential Directionality Meets Saliency Coherence for Infrared Small Target Detection [15.605122893098981]
  本研究では,Sparse Differential Directionality prior (SDD)フレームワークを提案する。 我々は、ターゲットの異なる方向特性を活用して、それらを背景と区別する。 さらに、サリエンシ・コヒーレンス・ストラテジーにより、目標検出性をさらに強化する。 近似交互最小化法(PAM)アルゴリズムは,提案したモデルを効率的に解く。
  論文  参考訳（メタデータ） (2024-07-22T04:32:43Z)
• One-Stage Cascade Refinement Networks for Infrared Small Target Detection [21.28595135499812]
  SIRST(Single-frame InfraRed Small Target)検出は、固有の特性の欠如による課題である。 実世界の高解像度単一フレームターゲットのSIRST-V2データセットからなる赤外線小ターゲット検出のための新しい研究ベンチマークを提案する。
  論文  参考訳（メタデータ） (2022-12-16T13:37:23Z)
• A Deep-Unfolded Spatiotemporal RPCA Network For L+S Decomposition [18.842185919365082]
  本稿では,低ランク成分の空間的および時間的連続性を明示的に生かした,新しい深層展開RPCA(DUST-RPCA)ネットワークを提案する。 動作中のMNISTデータセットに対する実験結果から, DUST-RPCAは, 最先端のRPCAネットワークと比較して精度がよいことが示された。
  論文  参考訳（メタデータ） (2022-11-06T17:33:30Z)
• MPANet: Multi-Patch Attention For Infrared Small Target object Detection [11.437699171778544]
  赤外線小目標検出(ISTD)が注目され,様々な分野に応用されている。 赤外線ターゲットの小型化と複雑な背景からのノイズ干渉のため、畳み込みニューラルネットワーク(CNN)を用いたISTDの性能は制限されている。 軸アテンションエンコーダとマルチスケールパッチブランチ(MSPB)構造に基づくマルチパッチアテンションネットワーク(MPANet)を提案する。
  論文  参考訳（メタデータ） (2022-06-05T08:01:38Z)
• Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
  我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。 我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。 提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
  論文  参考訳（メタデータ） (2021-10-20T06:15:45Z)
• 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)
• Dense Nested Attention Network for Infrared Small Target Detection [36.654692765557726]
  単一フレーム赤外線小ターゲット(SIRST)検出は、小さなターゲットを乱雑な背景から分離することを目的としている。 既存のCNNベースのメソッドは、赤外線小ターゲットに対して直接適用することはできない。 本稿では,高密度ネステッドアテンションネットワーク(DNANet)を提案する。
  論文  参考訳（メタデータ） (2021-06-01T13:45:35Z)
• Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
  本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。 このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。 高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-27T03:17:20Z)
• A Deep-Unfolded Reference-Based RPCA Network For Video Foreground-Background Separation [86.35434065681925]
  本稿では,ロバスト主成分分析(RPCA)問題に対するディープアンフォールディングに基づくネットワーク設計を提案する。 既存の設計とは異なり,本手法は連続するビデオフレームのスパース表現間の時間的相関をモデル化することに焦点を当てている。 移動MNISTデータセットを用いた実験により、提案したネットワークは、ビデオフォアグラウンドとバックグラウンドの分離作業において、最近提案された最先端のRPCAネットワークより優れていることが示された。
  論文  参考訳（メタデータ） (2020-10-02T11:40:09Z)
• Progressively Guided Alternate Refinement Network for RGB-D Salient Object Detection [63.18846475183332]
  我々は,RGB-Dの高次物体検出のための効率的かつコンパクトなディープネットワークを開発することを目指している。 そこで本研究では,改良のための改良ネットワークを提案する。 我々のモデルは、既存の最先端のアプローチよりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2020-08-17T02:55:06Z)
• Depthwise Non-local Module for Fast Salient Object Detection Using a Single Thread [136.2224792151324]
  本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。 提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
  論文  参考訳（メタデータ） (2020-01-22T15:23:48Z)

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。