論文の概要: SISP: A Benchmark Dataset for Fine-grained Ship Instance Segmentation in Panchromatic Satellite Images

• arxiv url: http://arxiv.org/abs/2402.03708v1
• Date: Tue, 6 Feb 2024 05:02:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-07 16:32:00.696027
• Title: SISP: A Benchmark Dataset for Fine-grained Ship Instance Segmentation in Panchromatic Satellite Images
• Title（参考訳）: SISP:パンクロマティック衛星画像におけるきめ細粒度船体セグメンテーションのためのベンチマークデータセット
• Authors: Pengming Feng, Mingjie Xie, Hongning Liu, Xuanjia Zhao, Guangjun He, Xueliang Zhang, Jian Guan
• Abstract要約: 本研究では,パンクロマティック衛星画像,すなわちSISPの粒度の細かいShip Instanceのベンチマークデータセットを提案する。 SISPには56,693のよく注釈付けされた船のインスタンスがあり、1万のスライスされた画像に4つの細かいカテゴリがある。 提案したSISPデータセットのターゲットには、実際の衛星シーンと整合した特性がある。
• 参考スコア（独自算出の注目度）: 25.259591254585388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fine-grained ship instance segmentation in satellite images holds considerable significance for monitoring maritime activities at sea. However, existing datasets often suffer from the scarcity of fine-grained information or pixel-wise localization annotations, as well as the insufficient image diversity and variations, thus limiting the research of this task. To this end, we propose a benchmark dataset for fine-grained Ship Instance Segmentation in Panchromatic satellite images, namely SISP, which contains 56,693 well-annotated ship instances with four fine-grained categories across 10,000 sliced images, and all the images are collected from SuperView-1 satellite with the resolution of 0.5m. Targets in the proposed SISP dataset have characteristics that are consistent with real satellite scenes, such as high class imbalance, various scenes, large variations in target densities and scales, and high inter-class similarity and intra-class diversity, all of which make the SISP dataset more suitable for real-world applications. In addition, we introduce a Dynamic Feature Refinement-assist Instance segmentation network, namely DFRInst, as the benchmark method for ship instance segmentation in satellite images, which can fortify the explicit representation of crucial features, thus improving the performance of ship instance segmentation. Experiments and analysis are performed on the proposed SISP dataset to evaluate the benchmark method and several state-of-the-art methods to establish baselines for facilitating future research. The proposed dataset and source codes will be available at: https://github.com/Justlovesmile/SISP.
• Abstract（参考訳）: 衛星画像におけるきめ細かい船のインスタンスのセグメンテーションは、海上での海洋活動を監視する上で非常に重要である。 しかし、既存のデータセットは、微細な情報やピクセル単位の局所化アノテーションの不足、画像の多様性やバリエーションの不足に悩まされ、このタスクの研究は制限される。 そこで本研究では,1万枚のスライス画像に4つの細粒度カテゴリを持つ56,693個の船種を含むSISPと,その解像度0.5mのSuperView-1衛星からすべての画像が収集される,パンクロマティック衛星画像の船種分離のベンチマークデータセットを提案する。 提案したSISPデータセットのターゲットは、高級不均衡、様々なシーン、ターゲット密度とスケールの大きなバリエーション、高級間類似度とクラス内多様性など、実際の衛星シーンと一致した特徴を持ち、SISPデータセットは実世界のアプリケーションにより適している。 さらに,衛星画像における船舶インスタンスセグメント化のベンチマーク手法として,動的特徴リファインメント・アシストインスタンスセグメント化ネットワークdfrinstを導入することで,重要な特徴の明示的な表現を強化し,船舶インスタンスセグメント化の性能を向上させる。 提案するsispデータセット上で実験と解析を行い,ベンチマーク法と最先端手法を評価し,今後の研究を促進するためのベースラインを確立する。 提案されたデータセットとソースコードは、https://github.com/Justlovesmile/SISP.comから入手できる。

関連論文リスト

• A$^{2}$-MAE: A spatial-temporal-spectral unified remote sensing pre-training method based on anchor-aware masked autoencoder [26.81539884309151]
  リモートセンシング(RS)データは、重要な空間情報、時間情報、スペクトル情報を含む、複数の次元にわたる地球観測を提供する。 RSデータの特徴に合わせた様々な事前学習手法にもかかわらず、重要な制限は持続する: 空間、時間、スペクトル情報を単一の統一モデルに効果的に統合できないことである。 本研究では,異なる種類の画像と地理情報から固有の補完情報を活用し,事前学習期間中にマスク付きパッチを再構築するアンカー・アウェア・マスク付きオートエンコーダ手法(A$2-MAE)を提案する。
  論文  参考訳（メタデータ） (2024-06-12T11:02:15Z)
• Evaluating the Efficacy of Cut-and-Paste Data Augmentation in Semantic Segmentation for Satellite Imagery [4.499833362998487]
  本研究では,衛星画像のセマンティックセグメンテーションにおけるカット・アンド・ペースト拡張手法の有効性について検討した。 私たちは、通常ラベル付きインスタンスを必要とするこの拡張を、セマンティックセグメンテーションのケースに適用します。 評価のためにDynamicEarthNetデータセットとU-Netモデルを用いて、この拡張により、テストセットのmIoUスコアが37.9から44.1に大幅に向上することを発見した。
  論文  参考訳（メタデータ） (2024-04-08T17:18:30Z)
• Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
  Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。 従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。 本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
  論文  参考訳（メタデータ） (2023-12-19T08:14:14Z)
• SAMRS: Scaling-up Remote Sensing Segmentation Dataset with Segment Anything Model [85.85899655118087]
  我々はSAMRSと呼ばれる大規模RSセグメンテーションデータセットを生成するための効率的なパイプラインを開発する。 SAMRSは完全に105,090の画像と1,668,241のインスタンスを持ち、既存の高解像度RSセグメンテーションデータセットを数桁上回っている。
  論文  参考訳（メタデータ） (2023-05-03T10:58:07Z)
• DCN-T: Dual Context Network with Transformer for Hyperspectral Image Classification [109.09061514799413]
  複雑な撮像条件による空間変動のため,HSI分類は困難である。 本稿では,HSIを高品質な三スペクトル画像に変換する三スペクトル画像生成パイプラインを提案する。 提案手法は,HSI分類における最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2023-04-19T18:32:52Z)
• CEU-Net: Ensemble Semantic Segmentation of Hyperspectral Images Using Clustering [2.741266294612776]
  Clustering Ensemble U-Net (CEU-Net)はハイパースペクトル画像のための新しいセマンティックセグメンテーションモデルである CEU-Netは、ランドスケープピクセルのクラスタ上での畳み込みニューラルネットワーク(CNN)トレーニングから抽出されたスペクトル情報を合成する。 我々のモデルは既存のHSIセマンティックセマンティックセグメンテーション法より優れており、パッチを適用せずに競合性能を得る。
  論文  参考訳（メタデータ） (2022-03-09T16:51:15Z)
• Multi-Content Complementation Network for Salient Object Detection in Optical Remote Sensing Images [108.79667788962425]
  光リモートセンシング画像(RSI-SOD)における有能な物体検出は、いまだに課題である。 本稿では, RSI-SOD における複数コンテンツの相補性を検討するために, MCCNet (Multi-Content Complementation Network) を提案する。 MCCMでは、前景機能、エッジ機能、背景機能、グローバル画像レベル機能など、RSI-SODにとって重要な複数の機能について検討する。
  論文  参考訳（メタデータ） (2021-12-02T04:46:40Z)
• Learning to Aggregate Multi-Scale Context for Instance Segmentation in Remote Sensing Images [28.560068780733342]
  特徴抽出のプロセスを改善するために,新しいコンテキスト集約ネットワーク(CATNet)を提案する。 提案モデルは,高密度特徴ピラミッドネットワーク(DenseFPN),空間コンテキストピラミッド(SCP),階層的関心抽出器(HRoIE)の3つの軽量プラグアンドプレイモジュールを利用する。
  論文  参考訳（メタデータ） (2021-11-22T08:55:25Z)
• Semantic Attention and Scale Complementary Network for Instance Segmentation in Remote Sensing Images [54.08240004593062]
  本稿では,セマンティックアテンション(SEA)モジュールとスケール補完マスクブランチ(SCMB)で構成される,エンドツーエンドのマルチカテゴリインスタンスセグメンテーションモデルを提案する。 SEAモジュールは、機能マップ上の興味あるインスタンスのアクティベーションを強化するために、追加の監督を備えた、単純な完全な畳み込みセマンティックセマンティックセマンティクスブランチを含んでいる。 SCMBは、元のシングルマスクブランチをトリデントマスクブランチに拡張し、異なるスケールで補完マスクの監視を導入する。
  論文  参考訳（メタデータ） (2021-07-25T08:53:59Z)
• Salient Objects in Clutter [130.63976772770368]
  本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。 この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。 我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
  論文  参考訳（メタデータ） (2021-05-07T03:49:26Z)

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。