論文の概要: Exploring Hyperspectral Anomaly Detection with Human Vision: A Small
Target Aware Detector
- arxiv url: http://arxiv.org/abs/2401.01093v1
- Date: Tue, 2 Jan 2024 08:28:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-03 14:22:07.664839
- Title: Exploring Hyperspectral Anomaly Detection with Human Vision: A Small
Target Aware Detector
- Title(参考訳): 人間の視力によるハイパースペクトル異常検出の探索:小型目標認識検出器
- Authors: Jitao Ma, Weiying Xie, Yunsong Li
- Abstract要約: ハイパースペクトル異常検出(HAD)は、背景と異なるスペクトル特徴を持つ画素点の局在化を目的としている。
既存のHAD法は、背景スペクトルと異常スペクトルを客観的に検出し、識別することを目的としている。
本稿では,人間の視覚知覚下でのハイパースペクトル画像(HSI)の特徴を解析する。
本研究では,人間の視覚的知覚に近づいたHSI特徴を捉えるために,サリエンシマップを導入した小型目標認識検出器(STAD)を提案する。
- 参考スコア(独自算出の注目度): 20.845503528474328
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hyperspectral anomaly detection (HAD) aims to localize pixel points whose
spectral features differ from the background. HAD is essential in scenarios of
unknown or camouflaged target features, such as water quality monitoring, crop
growth monitoring and camouflaged target detection, where prior information of
targets is difficult to obtain. Existing HAD methods aim to objectively detect
and distinguish background and anomalous spectra, which can be achieved almost
effortlessly by human perception. However, the underlying processes of human
visual perception are thought to be quite complex. In this paper, we analyze
hyperspectral image (HSI) features under human visual perception, and transfer
the solution process of HAD to the more robust feature space for the first
time. Specifically, we propose a small target aware detector (STAD), which
introduces saliency maps to capture HSI features closer to human visual
perception. STAD not only extracts more anomalous representations, but also
reduces the impact of low-confidence regions through a proposed small target
filter (STF). Furthermore, considering the possibility of HAD algorithms being
applied to edge devices, we propose a full connected network to convolutional
network knowledge distillation strategy. It can learn the spectral and spatial
features of the HSI while lightening the network. We train the network on the
HAD100 training set and validate the proposed method on the HAD100 test set.
Our method provides a new solution space for HAD that is closer to human visual
perception with high confidence. Sufficient experiments on real HSI with
multiple method comparisons demonstrate the excellent performance and unique
potential of the proposed method. The code is available at
https://github.com/majitao-xd/STAD-HAD.
- Abstract(参考訳): ハイパースペクトル異常検出(HAD)は、背景と異なるスペクトル特徴を持つ画素点の局在化を目的としている。
hadは、水質モニタリング、作物生育モニタリング、カモフラージュターゲット検出など、目標の事前情報を得るのが難しい未知またはカモフラージュターゲットの特徴のシナリオにおいて不可欠である。
既存のHAD法は、人間の知覚によってほぼ努力的に達成できる背景スペクトルと異常スペクトルを客観的に検出し、識別することを目的としている。
しかし、人間の視覚知覚の基本的な過程は極めて複雑であると考えられている。
本稿では、人間の視覚知覚下でのハイパースペクトル画像(HSI)の特徴を分析し、HADの解法プロセスをより堅牢な特徴空間に初めて転送する。
具体的には,人間の視覚知覚に近いhsi特徴を捉えるために,サリエンシーマップを導入する小型ターゲット認識検出器(stad)を提案する。
STADは、より異常な表現を抽出するだけでなく、提案した小さなターゲットフィルタ(STF)を通して低信頼領域の影響を低減する。
さらに,エッジデバイスへのhadアルゴリズムの適用可能性を考慮して,畳み込みネットワーク知識蒸留戦略への完全接続ネットワークを提案する。
ネットワークを明るくしながら、hsiのスペクトルと空間的特徴を学ぶことができる。
このネットワークをhad100トレーニングセット上でトレーニングし,had100テストセット上で提案手法を検証する。
提案手法は,人間の視覚知覚に近づき,信頼性の高い新しい解空間を提供する。
複数の手法を比較した実HSI実験は,提案手法の優れた性能と特異性を示す。
コードはhttps://github.com/majitao-xd/stad-hadで入手できる。
関連論文リスト
- SSF-Net: Spatial-Spectral Fusion Network with Spectral Angle Awareness
for Hyperspectral Object Tracking [21.664141982246598]
ハイパースペクトルビデオ(HSV)は、空間的、スペクトル的、時間的情報を同時に提供する。
既存の手法は主にバンド再編成に重点を置いており、特徴抽出のためにRGBトラッカーに依存している。
本稿では、超スペクトル(HS)物体追跡において、スペクトル角認識(SST-Net)を用いた空間-スペクトル融合ネットワークを提案する。
論文 参考訳(メタデータ) (2024-03-09T09:37:13Z) - Deep Homography Estimation for Visual Place Recognition [51.70437924779968]
本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。
バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。
ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
論文 参考訳(メタデータ) (2024-02-25T13:22:17Z) - mmID: High-Resolution mmWave Imaging for Human Identification [16.01613518230451]
本稿では,条件付き生成逆数ネットワーク(cGAN)を用いて人体全体を推定することで画像分解能を向上させることを提案する。
本システムは,人間の識別に有用な特徴を抽出できる,環境に依存しない高解像度画像を生成する。
その結果,Kinectデバイスに5%のシルエット差が認められた。
論文 参考訳(メタデータ) (2024-02-01T20:19:38Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳(メタデータ) (2023-11-21T19:49:13Z) - Small Object Detection via Coarse-to-fine Proposal Generation and
Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。
CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文 参考訳(メタデータ) (2023-08-18T13:13:09Z) - Attention Guided Network for Salient Object Detection in Optical Remote
Sensing Images [16.933770557853077]
光リモートセンシング画像(RSI-SOD)における局所物体検出は非常に難しい作業である。
本稿では,光学RSIにおけるSODのための新しい注意誘導ネットワーク(AGNet)を提案する。
AGNetは、他の最先端の手法と比較して、競争力がある。
論文 参考訳(メタデータ) (2022-07-05T01:01:03Z) - New SAR target recognition based on YOLO and very deep multi-canonical
correlation analysis [0.1503974529275767]
本稿では,異なるCNN層から有効な特徴を適応的に融合させることにより,SAR画像ターゲット分類のためのロバストな特徴抽出手法を提案する。
MSTARデータセットの実験により,提案手法が最先端手法より優れていることが示された。
論文 参考訳(メタデータ) (2021-10-28T18:10:26Z) - Disentangled High Quality Salient Object Detection [8.416690566816305]
本稿では,SOD(High- resolution Salient Object Detection)のための新しいディープラーニングフレームワークを提案する。
タスクを低分解能唾液度分類ネットワーク(LRSCN)と高分解能精製ネットワーク(HRRN)に切り離す。
論文 参考訳(メタデータ) (2021-08-08T02:14:15Z) - Probabilistic and Geometric Depth: Detecting Objects in Perspective [78.00922683083776]
3次元物体検出は、運転支援システムなどの様々な実用用途で必要とされる重要な機能である。
双眼視やLiDARに頼っている従来の設定に比べて、経済的な解決策として単眼3D検出が注目されているが、それでも満足のいく結果が得られていない。
本稿ではまず,この問題に関する系統的研究を行い,現在の単分子3次元検出問題をインスタンス深度推定問題として単純化できることを考察する。
論文 参考訳(メタデータ) (2021-07-29T16:30:33Z) - 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) - Towards High Performance Human Keypoint Detection [87.1034745775229]
文脈情報は人体構成や見えないキーポイントを推論する上で重要な役割を担っている。
そこで我々は,空間とチャネルのコンテキスト情報を効率的に統合するカスケードコンテキストミキサー(CCM)を提案する。
CCMの表現能力を最大化するために、我々は、強陰性な人検出マイニング戦略と共同訓練戦略を開発する。
検出精度を向上させるために,キーポイント予測を後処理するためのいくつかのサブピクセル改良手法を提案する。
論文 参考訳(メタデータ) (2020-02-03T02:24:51Z)
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。