論文の概要: A Multimodal Dataset and Benchmark for Radio Galaxy and Infrared Host Detection

• arxiv url: http://arxiv.org/abs/2312.06728v1
• Date: Mon, 11 Dec 2023 08:19:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-12-13 18:34:56.101053
• Title: A Multimodal Dataset and Benchmark for Radio Galaxy and Infrared Host Detection
• Title（参考訳）: ラジオギャラクシーと赤外線ホスト検出のためのマルチモーダルデータセットとベンチマーク
• Authors: Nikhel Gupta, Zeeshan Hayder, Ray P. Norris, Minh Hyunh and Lars Petersson
• Abstract要約: データセットは4,155個の銀河と2,800枚の画像からなり、電波と赤外線の両方が記録されている。 私たちのデータセットは、高感度の電波望遠鏡、赤外線衛星、およびそれらの識別のためのインスタンスレベルのアノテーションの画像を含む、初めて公開されたデータセットです。
• 参考スコア（独自算出の注目度）: 13.944126480815553
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a novel multimodal dataset developed by expert astronomers to automate the detection and localisation of multi-component extended radio galaxies and their corresponding infrared hosts. The dataset comprises 4,155 instances of galaxies in 2,800 images with both radio and infrared modalities. Each instance contains information on the extended radio galaxy class, its corresponding bounding box that encompasses all of its components, pixel-level segmentation mask, and the position of its corresponding infrared host galaxy. Our dataset is the first publicly accessible dataset that includes images from a highly sensitive radio telescope, infrared satellite, and instance-level annotations for their identification. We benchmark several object detection algorithms on the dataset and propose a novel multimodal approach to identify radio galaxies and the positions of infrared hosts simultaneously.
• Abstract（参考訳）: 専門的な天文学者によって開発された新しいマルチモーダルデータセットは、多成分拡張電波銀河とその対応する赤外線ホストの検出と位置決めを自動化する。 データセットは4,155個の銀河からなり、2,800枚の画像にラジオと赤外線の両方のモダリティがある。 それぞれのインスタンスには、拡張無線銀河クラス、その全てのコンポーネントを含む対応する境界ボックス、ピクセルレベルのセグメンテーションマスク、対応する赤外線ホスト銀河の位置に関する情報が含まれている。 私たちのデータセットは、高感度の電波望遠鏡、赤外線衛星、およびそれらの識別のためのインスタンスレベルのアノテーションの画像を含む、初めて公開されたデータセットです。 本稿では,複数の物体検出アルゴリズムをベンチマークし,電波銀河と赤外線ホストの位置を同時に同定するための新しいマルチモーダル手法を提案する。

関連論文リスト

• RadioFormer: A Multiple-Granularity Radio Map Estimation Transformer with 1\textpertenthousand Spatial Sampling [60.267226205350596]
  電波マップ推定は、電磁スペクトル量の密度の高い表現を生成することを目的としている。 空間スパース観測によって生じる制約に対処する新しい多重粒度変換器であるRadioFormerを提案する。 また,RadioFormerは,最小計算コストを維持しつつ,無線マップ推定における最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-04-27T08:44:41Z)
• Multi-modal Multi-platform Person Re-Identification: Benchmark and Method [58.59888754340054]
  MP-ReIDは、マルチモダリティとマルチプラットフォームReIDに特化した新しいデータセットである。 このベンチマークは、RGB、赤外線、サーマルイメージングなど、さまざまなモードで1,930のIDからデータをコンパイルする。 クロスモダリティとクロスプラットフォームシナリオに適した,特定設計のプロンプトを備えたフレームワークであるUni-Prompt ReIDを紹介する。
  論文  参考訳（メタデータ） (2025-03-21T12:27:49Z)
• Classification of compact radio sources in the Galactic plane with supervised machine learning [0.0]
  我々は、無線画像と赤外線画像の両方を入力として、ギャラクティック平面におけるコンパクトな電波源の分類に着目する。 この目的のために、我々は、異なる天文学クラスからなるコンパクトなソースの2万の画像をキュレートしたデータセットを作成しました。 実装されたツールと訓練されたモデルが公開され、将来の応用のために電波天文学コミュニティで利用可能になった。
  論文  参考訳（メタデータ） (2024-02-23T09:47:42Z)
• RadioGalaxyNET: Dataset and Novel Computer Vision Algorithms for the Detection of Extended Radio Galaxies and Infrared Hosts [12.997324012222695]
  RadioGalaxyNETは2,800枚の画像から4,155個の銀河を抽出したデータセットである。 RadioGalaxyNETは、高感度のオーストラリア・スクエア・キロメア・アレー・パスファインダー電波望遠鏡の画像を含む最初のデータセットである。
  論文  参考訳（メタデータ） (2023-12-01T02:54:38Z)
• Deep Learning for Morphological Identification of Extended Radio Galaxies using Weak Labels [9.857561410876682]
  弱教師付き深層学習アルゴリズムは画素レベルの情報を予測する際に高い精度が得られることを示す。 このアルゴリズムは、クラスアクティベーションマップ(CAM)を得るために、電波銀河の弱いクラスレベルラベルに基づいて訓練される。 このモデルでは、無線マスクと赤外線ホスト位置のmAP$_50$が67.5%、76.8%に達することが示されている。
  論文  参考訳（メタデータ） (2023-08-09T18:10:05Z)
• Object Detection in Hyperspectral Image via Unified Spectral-Spatial Feature Aggregation [55.9217962930169]
  S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。 S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
  論文  参考訳（メタデータ） (2023-06-14T09:01:50Z)
• Advances on the classification of radio image cubes [4.443085464476228]
  現代の電波望遠鏡は、Square Kilometre Array (SKA)のようなシステムのために、毎日エクサバイト規模のデータセットを生成する。 大量データセットは、発見につながる未知の、希少な天体物理学現象の源泉である。 近年、電波天文学における人工知能の利用に焦点を当てた科学出版物が急増している。
  論文  参考訳（メタデータ） (2023-05-05T11:15:37Z)
• Semi-Supervised Domain Adaptation for Cross-Survey Galaxy Morphology Classification and Anomaly Detection [57.85347204640585]
  We developed a Universal Domain Adaptation method DeepAstroUDA。 異なるタイプのクラスオーバーラップしたデータセットに適用することができる。 初めて、我々は2つの非常に異なる観測データセットに対するドメイン適応の有効利用を実演した。
  論文  参考訳（メタデータ） (2022-11-01T18:07:21Z)
• Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
  本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。 従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。 本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
  論文  参考訳（メタデータ） (2022-03-30T11:44:56Z)
• Multispectral Satellite Data Classification using Soft Computing Approach [5.3971200250581814]
  本稿では,オブジェクトの識別のためのグリッド密度に基づくクラスタリング手法を提案する。 本稿では,ルール帰納型機械学習アルゴリズムを用いて衛星画像データを分類する手法を提案する。
  論文  参考訳（メタデータ） (2022-03-21T17:25:09Z)
• 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)
• Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
  本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。 レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。 実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
  論文  参考訳（メタデータ） (2020-09-30T19:01:33Z)
• Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
  ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。 我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。 私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
  論文  参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。