論文の概要: Analysis of Object Detection Models for Tiny Object in Satellite Imagery: A Dataset-Centric Approach
- arxiv url: http://arxiv.org/abs/2412.10453v1
- Date: Thu, 12 Dec 2024 07:06:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-17 13:57:56.307899
- Title: Analysis of Object Detection Models for Tiny Object in Satellite Imagery: A Dataset-Centric Approach
- Title（参考訳）: 衛星画像における細い物体の物体検出モデルの解析:データセット中心アプローチ
- Authors: Kailas PS, Selvakumaran R, Palani Murugan, Ramesh Kumar V, Malaya Kumar Biswal M,
- Abstract要約: 本稿では,衛星画像におけるSOD(Small-Object-Detection)の領域について述べる。
従来のオブジェクト検出モデルは、コンテキスト情報やクラス不均衡が限られたため、小さなオブジェクトを検出するのに困難に直面している。
本研究の目的は,衛星画像における微小物体検出に関する貴重な知見を,最先端のモデルを用いて実証的に評価することである。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: In recent years, significant advancements have been made in deep learning-based object detection algorithms, revolutionizing basic computer vision tasks, notably in object detection, tracking, and segmentation. This paper delves into the intricate domain of Small-Object-Detection (SOD) within satellite imagery, highlighting the unique challenges stemming from wide imaging ranges, object distribution, and their varying appearances in bird's-eye-view satellite images. Traditional object detection models face difficulties in detecting small objects due to limited contextual information and class imbalances. To address this, our research presents a meticulously curated dataset comprising 3000 images showcasing cars, ships, and airplanes in satellite imagery. Our study aims to provide valuable insights into small object detection in satellite imagery by empirically evaluating state-of-the-art models. Furthermore, we tackle the challenges of satellite video-based object tracking, employing the Byte Track algorithm on the SAT-MTB dataset. Through rigorous experimentation, we aim to offer a comprehensive understanding of the efficacy of state-of-the-art models in Small-Object-Detection for satellite applications. Our findings shed light on the effectiveness of these models and pave the way for future advancements in satellite imagery analysis.
- Abstract（参考訳）: 近年、ディープラーニングに基づくオブジェクト検出アルゴリズムが大幅に進歩し、特に物体検出、追跡、セグメンテーションといった基本的なコンピュータビジョンタスクに革命をもたらした。
本稿では,衛星画像における小物体検出(SOD)の複雑な領域を掘り下げ,広い画像範囲,物体分布,鳥眼視衛星画像における様々な外観から生じる特異な課題を明らかにする。
従来のオブジェクト検出モデルは、コンテキスト情報やクラス不均衡が限られたため、小さなオブジェクトを検出するのに困難に直面している。
そこで本研究では, 衛星画像中の車両, 船舶, 航空機の3000枚の画像からなる, 精密にキュレートされたデータセットを提案する。
本研究の目的は,衛星画像における微小物体検出に関する貴重な知見を,最先端のモデルを用いて実証的に評価することである。
さらに,SAT-MTBデータセット上でのByte Trackアルゴリズムを用いて,衛星映像を用いた物体追跡の課題に取り組む。
厳密な実験を通じて,衛星用小型物体検出における最先端モデルの有効性を包括的に把握することを目的としている。
その結果,これらのモデルの有効性に光を当て,衛星画像解析の今後の進歩の道を開くことができた。
関連論文リスト
- An Empirical Study of Methods for Small Object Detection from Satellite Imagery [6.851973300956541]
本稿では,リモートセンシング画像から小さな物体を検出するためのオブジェクト検出手法についてレビューする。
都市部における衛星画像からの車検出と農地の衛星画像からのハチボックス検出を応用シナリオとして用いた。
論文 参考訳（メタデータ） (2025-02-05T23:40:54Z) - Oriented Tiny Object Detection: A Dataset, Benchmark, and Dynamic Unbiased Learning [51.170479006249195]
本研究では,新しいデータセット,ベンチマーク,動的粗大な学習手法を提案する。
提案するデータセットであるAI-TOD-Rは、すべてのオブジェクト指向オブジェクト検出データセットの中で最小のオブジェクトサイズを特徴としている。
完全教師付きおよびラベル効率の両アプローチを含む,幅広い検出パラダイムにまたがるベンチマークを提案する。
論文 参考訳（メタデータ） (2024-12-16T09:14:32Z) - Addressing single object tracking in satellite imagery through prompt-engineered solutions [2.098136587906041]
衛星映像における小型物体の学習自由点追跡手法を提案する。
我々の戦略は、リモートセンシングアプリケーションにおける衛星画像に適したロバストな追跡ソリューションの大幅な進歩を示している。
論文 参考訳（メタデータ） (2024-07-07T23:50:29Z) - FlightScope: An Experimental Comparative Review of Aircraft Detection Algorithms in Satellite Imagery [2.9687381456164004]
本稿では,衛星画像中の航空機を識別するタスク用にカスタマイズされた,高度な物体検出アルゴリズム群を批判的に評価し,比較する。
この研究は、YOLOバージョン5と8、より高速なRCNN、CenterNet、RetinaNet、RTMDet、DETRを含む一連の方法論を含む。
YOLOv5は空中物体検出のための堅牢なソリューションとして登場し、平均的精度、リコール、ユニオンのスコアに対するインターセクションによってその重要性を裏付けている。
論文 参考訳（メタデータ） (2024-04-03T17:24:27Z) - 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) - Detecting and Tracking Small and Dense Moving Objects in Satellite
Videos: A Benchmark [30.078513715446196]
オブジェクトの検出と追跡を行うタスクに対して,豊富なアノテーションを付加した大規模衛星ビデオデータセットを構築した。
このデータセットは、ジリン1の衛星コンステレーションによって収集される。
衛星ビデオにおける物体の検出と追跡を行うための最初の公開ベンチマークを確立する。
論文 参考訳（メタデータ） (2021-11-25T08:01:41Z) - 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) - Rapid Detection of Aircrafts in Satellite Imagery based on Deep Neural
Networks [2.7716102039510564]
本論文では,深層学習技術を用いた衛星画像の航空機検出に焦点をあてる。
本稿では,航空機検出にYOLO深層学習フレームワークを用いた。
改良されたモデルは小さい、回転する、および密集した目的がリアルタイムの条件を満たす異なった未知のイメージのよい正確さそして性能を示します。
論文 参考訳（メタデータ） (2021-04-21T18:13:16Z) - Object Detection in Aerial Images: A Large-Scale Benchmark and
Challenges [124.48654341780431]
航空画像(DOTA)におけるオブジェクトデテクションの大規模データセットとODAIの総合的ベースラインについて述べる。
提案するDOTAデータセットは,11,268個の空中画像から収集した18カテゴリのオブジェクト指向ボックスアノテーションの1,793,658個のオブジェクトインスタンスを含む。
70以上の構成を持つ10の最先端アルゴリズムをカバーするベースラインを構築し,各モデルの速度と精度を評価した。
論文 参考訳（メタデータ） (2021-02-24T11:20:55Z) - Counting from Sky: A Large-scale Dataset for Remote Sensing Object
Counting and A Benchmark Method [52.182698295053264]
リモートセンシング画像から高密度物体をカウントすることに興味がある。自然界における物体のカウントと比較すると、このタスクは、大規模変動、複雑な乱れ背景、配向仲裁といった要因において困難である。
これらの課題に対処するために,我々はまず,4つの重要な地理的対象を含むリモートセンシング画像を用いた大規模オブジェクトカウントデータセットを構築した。
次に、入力画像の密度マップを生成する新しいニューラルネットワークを設計することで、データセットをベンチマークする。
論文 参考訳（メタデータ） (2020-08-28T03:47:49Z) - Counting dense objects in remote sensing images [52.182698295053264]
特定の画像から関心のあるオブジェクトの数を推定するのは、難しいが重要な作業である。
本稿では,リモートセンシング画像から高密度物体を数えることに興味がある。
これらの課題に対処するために,我々はまず,リモートセンシング画像に基づく大規模オブジェクトカウントデータセットを構築した。
次に、入力画像の密度マップを生成する新しいニューラルネットワークを設計することで、データセットをベンチマークする。
論文 参考訳（メタデータ） (2020-02-14T09:13:54Z)
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。