Fugu-MT 論文翻訳(概要): An Empirical Study of Methods for Small Object Detection from Satellite Imagery

論文の概要: An Empirical Study of Methods for Small Object Detection from Satellite Imagery

arxiv url: http://arxiv.org/abs/2502.03674v1
Date: Wed, 05 Feb 2025 23:40:54 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-07 14:33:57.615880
Title: An Empirical Study of Methods for Small Object Detection from Satellite Imagery
Title（参考訳）: 衛星画像からの小型物体検出法に関する実証的研究
Authors: Xiaohui Yuan, Aniv Chakravarty, Lichuan Gu, Zhenchun Wei, Elinor Lichtenberg, Tian Chen,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 6.851973300956541
License:
Abstract: This paper reviews object detection methods for finding small objects from remote sensing imagery and provides an empirical evaluation of four state-of-the-art methods to gain insights into method performance and technical challenges. In particular, we use car detection from urban satellite images and bee box detection from satellite images of agricultural lands as application scenarios. Drawing from the existing surveys and literature, we identify several top-performing methods for the empirical study. Public, high-resolution satellite image datasets are used in our experiments.
Abstract（参考訳）: 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をレビューし、メソッド性能と技術的課題に対する洞察を得るための4つの最先端手法を実証評価する。特に,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。既存の調査・文献から,実証研究におけるいくつかのトップパフォーマンス手法を特定した。実験では,高解像度衛星画像データセットを用いた。

関連論文リスト

Analysis of Object Detection Models for Tiny Object in Satellite Imagery: A Dataset-Centric Approach [0.0]
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。
論文参考訳（メタデータ） (2024-12-12T07:06:22Z)
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)
Road Surface Defect Detection -- From Image-based to Non-image-based: A Survey [7.067243891342157]
この問題に関する文献への関心が高まっており、様々な路面欠陥検出手法の開発に繋がった。主なアプローチは、画素強度と表面テクスチャを分析して欠陥を特定する画像ベースの手法である。最近提案した非画像ベースの手法を概観し、これらの手法に関連するいくつかの課題とオープンな問題について論じている。
論文参考訳（メタデータ） (2024-02-06T15:42:38Z)
Guided Depth Map Super-resolution: A Survey [88.54731860957804]
誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
論文参考訳（メタデータ） (2023-02-19T15:43:54Z)
Overview Of Satellite Image Recognition Models [0.0]
情報源としての衛星画像認識の分野における問題点を考察し分析した。深層学習法を比較し,既存の画像認識法を解析した。
論文参考訳（メタデータ） (2022-12-07T15:33:43Z)
ObjectFormer for Image Manipulation Detection and Localization [118.89882740099137]
画像操作の検出とローカライズを行うObjectFormerを提案する。画像の高周波特徴を抽出し,マルチモーダルパッチの埋め込みとしてRGB特徴と組み合わせる。各種データセットについて広範な実験を行い,提案手法の有効性を検証した。
論文参考訳（メタデータ） (2022-03-28T12:27:34Z)
Incorporating Texture Information into Dimensionality Reduction for High-Dimensional Images [65.74185962364211]
距離ベース次元削減手法に周辺情報を組み込む手法を提案する。画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
論文参考訳（メタデータ） (2022-02-18T13:17:43Z)
Ensemble Learning techniques for object detection in high-resolution satellite images [0.0]
組立は個々の検出器を融合させることで検出性能を最大化する手法である。組立法は、Kaggleのような最近のデータサイエンスの実践において、高いスコアを得るために広く使われてきた。
論文参考訳（メタデータ） (2022-02-16T10:19:21Z)
The State of Aerial Surveillance: A Survey [62.198765910573556]
本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
論文参考訳（メタデータ） (2022-01-09T20:13:27Z)
IS-COUNT: Large-scale Object Counting from Satellite Images with Covariate-based Importance Sampling [90.97859312029615]
本研究では,大規模地形におけるオブジェクト数統計をサンプリングによって推定する手法を提案する。提案手法は,米国とアフリカ,ケニアの自動車,バングラデシュのレンガキルン,米国のスイミングプールの建物数の推定において,高い性能を発揮することを示す。
論文参考訳（メタデータ） (2021-12-16T18:59:29Z)
Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文参考訳（メタデータ） (2021-06-14T21:57:40Z)

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。