論文の概要: Hyperspectral Image Cross-Domain Object Detection Method based on Spectral-Spatial Feature Alignment

• arxiv url: http://arxiv.org/abs/2411.16772v1
• Date: Mon, 25 Nov 2024 06:42:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-27 13:35:39.099458
• Title: Hyperspectral Image Cross-Domain Object Detection Method based on Spectral-Spatial Feature Alignment
• Title（参考訳）: スペクトル空間的特徴アライメントに基づくハイパースペクトル画像クロスドメインオブジェクト検出法
• Authors: Hongqi Zhang, He Sun, Hongmin Gao, Feng Han, Xu Sun, Lianru Gao, Bing Zhang,
• Abstract要約: 本研究では、ハイパースペクトル画像の教師なしクロスドメインオブジェクト検出について検討する。 我々の重要な観察は、局所的な空間スペクトル特性が異なる領域間で不変であることである。 領域シフトの問題を解決するために,スペクトル空間的特徴アライメントに基づくHSIクロスドメインオブジェクト検出手法を提案する。
• 参考スコア（独自算出の注目度）: 18.384882910944622
• License:
• Abstract: With consecutive bands in a wide range of wavelengths, hyperspectral images (HSI) have provided a unique tool for object detection task. However, existing HSI object detection methods have not been fully utilized in real applications, which is mainly resulted by the difference of spatial and spectral resolution between the unlabeled target domain and a labeled source domain, i.e. the domain shift of HSI. In this work, we aim to explore the unsupervised cross-domain object detection of HSI. Our key observation is that the local spatial-spectral characteristics remain invariant across different domains. For solving the problem of domain-shift, we propose a HSI cross-domain object detection method based on spectral-spatial feature alignment, which is the first attempt in the object detection community to the best of our knowledge. Firstly, we develop a spectral-spatial alignment module to extract domain-invariant local spatial-spectral features. Secondly, the spectral autocorrelation module has been designed to solve the domain shift in the spectral domain specifically, which can effectively align HSIs with different spectral resolutions. Besides, we have collected and annotated an HSI dataset for the cross-domain object detection. Our experimental results have proved the effectiveness of HSI cross-domain object detection, which has firstly demonstrated a significant and promising step towards HSI cross-domain object detection in the object detection community.
• Abstract（参考訳）: 波長の幅の広い連続した帯域で、ハイパースペクトル画像(HSI)は、物体検出のためのユニークなツールを提供している。 しかし、既存のHSIオブジェクト検出手法は実際のアプリケーションでは十分に利用されていないため、主に未ラベルのターゲットドメインとラベル付きソースドメインとの空間分解能とスペクトル分解能の差、すなわちHSIのドメインシフトが原因である。 本研究では,HSIの非教師なしクロスドメインオブジェクト検出について検討する。 我々の重要な観察は、局所的な空間スペクトル特性が異なる領域間で不変であることである。 ドメインシフトの問題を解決するために,スペクトル空間的特徴アライメントに基づくHSIクロスドメインオブジェクト検出手法を提案する。 まず、領域不変な局所空間スペクトル特徴を抽出するスペクトル空間アライメントモジュールを開発する。 第二に、スペクトル自己相関モジュールはスペクトル領域の領域シフトを解決するために設計されており、HSIを異なるスペクトル分解能と効果的に整合させることができる。 さらに、クロスドメインオブジェクト検出のためのHSIデータセットを収集、注釈付けしました。 実験により,HSIクロスドメインオブジェクト検出の有効性が証明され,まず,オブジェクト検出コミュニティにおけるHSIクロスドメインオブジェクト検出に向けた重要なステップが示された。

関連論文リスト

• United Domain Cognition Network for Salient Object Detection in Optical Remote Sensing Images [21.76732661032257]
  周波数領域と空間領域のグローバルローカル情報を共同で探索する新しい統一ドメイン認知ネットワーク(UDCNet)を提案する。 実験結果から提案したUDCNetが24種類の最先端モデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-11T04:12:27Z)
• SpecDETR: A Transformer-based Hyperspectral Point Object Detection Network [32.7318504162588]
  ハイパースペクトル目標検出(HTD)は、ハイパースペクトル画像のスペクトル情報に基づいて材料を識別し、ポイントターゲットを検出することを目的としている。 既存のHTD法は画素単位のバイナリ分類に基づいて開発されており、ポイントターゲットの特徴表現能力を制限している。 ハイパースペクトル多クラス点オブジェクト検出のための最初の専用ネットワーク SpecDETR を提案する。 我々は、SPODと呼ばれるシミュレーションされたハイパースペクトル・ポイント・オブジェクト検出ベンチマークを開発し、ハイパースペクトル・マルチクラス・ポイント・オブジェクト検出における現在のオブジェクト検出ネットワークとHTD法の性能を初めて評価・比較した。
  論文  参考訳（メタデータ） (2024-05-16T14:45:06Z)
• 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)
• CLIP the Gap: A Single Domain Generalization Approach for Object Detection [60.20931827772482]
  単一ドメインの一般化(Single Domain Generalization)は、単一のソースドメイン上でモデルをトレーニングすることで、目に見えないターゲットドメインに一般化する問題に取り組む。 本稿では、事前学習された視覚言語モデルを用いて、テキストプロンプトを介して意味領域の概念を導入することを提案する。 本手法は,検出器のバックボーンから抽出した特徴に作用する意味的拡張戦略と,テキストに基づく分類損失によって実現される。
  論文  参考訳（メタデータ） (2023-01-13T12:01:18Z)
• Robust Domain Adaptive Object Detection with Unified Multi-Granularity Alignment [59.831917206058435]
  ドメイン適応検出は、ターゲットドメイン上の検出器の一般化を改善することを目的としている。 近年のアプローチは、異なる粒度の特徴アライメントを通じて、逆学習を通じてドメイン適応を実現する。 ドメイン不変な特徴学習のための統合多重粒度アライメント(MGA)に基づく検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-01-01T08:38:07Z)
• Multi-Granularity Alignment Domain Adaptation for Object Detection [33.32519045960187]
  ドメイン適応型オブジェクト検出は、ソースドメインとターゲットドメインの間に特有のデータ分布があるため、難しい。 ドメイン不変な特徴学習に向けた多粒度アライメントに基づくオブジェクト検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-31T09:05:06Z)
• Vector-Decomposed Disentanglement for Domain-Invariant Object Detection [75.64299762397268]
  ドメイン固有の表現からドメイン不変表現を取り除こうとする。 実験では,本手法を単目的,複目的のケースで評価した。
  論文  参考訳（メタデータ） (2021-08-15T07:58:59Z)
• Domain Adaptive Object Detection via Feature Separation and Alignment [11.4768983507572]
  対向型ドメイン適応オブジェクト検出法(DAOD)が急速に開発されている。 本稿では,grey-scale feature separation (gsfs) モジュール,local-global feature alignment (lgfa) モジュール,および region-instance-level alignment (rila) モジュールからなる特徴分離アライメントネットワーク (fsanet) を確立する。 私達のFSANetはターゲット ドメインの検出でよりよい性能を達成し、最先端の方法を超過します。
  論文  参考訳（メタデータ） (2020-12-16T01:44:34Z)
• Bi-Dimensional Feature Alignment for Cross-Domain Object Detection [71.85594342357815]
  教師なしクロスドメイン検出モデルを提案する。 ソースドメインのアノテーション付きデータを利用して、異なるターゲットドメインに対してオブジェクト検出器をトレーニングする。 提案モデルでは、オブジェクト検出のためのクロスドメイン表現のばらつきを緩和する。
  論文  参考訳（メタデータ） (2020-11-14T03:03:11Z)
• Spatial Attention Pyramid Network for Unsupervised Domain Adaptation [66.75008386980869]
  教師なし領域適応は様々なコンピュータビジョンタスクにおいて重要である。 教師なし領域適応のための新しい空間注意ピラミッドネットワークを設計する。 我々の手法は最先端の手法に対して大きなマージンで好適に機能する。
  論文  参考訳（メタデータ） (2020-03-29T09:03:23Z)

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。