論文の概要: Deep learning based infrared small object segmentation: Challenges and future directions

• arxiv url: http://arxiv.org/abs/2502.14168v1
• Date: Thu, 20 Feb 2025 00:35:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-21 14:27:32.389299
• Title: Deep learning based infrared small object segmentation: Challenges and future directions
• Title（参考訳）: 深層学習に基づく赤外小物体セグメンテーション : 課題と今後の方向性
• Authors: Zhengeng Yang, Hongshan Yu, Jianjun Zhang, Qiang Tang, Ajmal Mian,
• Abstract要約: 赤外線センシングは、自動運転車やドローンのような無人システムをサポートするための中核的な方法である。 深層学習は赤外線画像の物体認識に応用されている。 本稿では,この領域における既存の手法を批判的に分析し,未解決課題を特定し,今後の研究指針を提供する。
• 参考スコア（独自算出の注目度）: 29.48971427905328
• License:
• Abstract: Infrared sensing is a core method for supporting unmanned systems, such as autonomous vehicles and drones. Recently, infrared sensors have been widely deployed on mobile and stationary platforms for detection and classification of objects from long distances and in wide field of views. Given its success in the vision image analysis domain, deep learning has also been applied for object recognition in infrared images. However, techniques that have proven successful in visible light perception face new challenges in the infrared domain. These challenges include extremely low signal-to-noise ratios in infrared images, very small and blurred objects of interest, and limited availability of labeled/unlabeled training data due to the specialized nature of infrared sensors. Numerous methods have been proposed in the literature for the detection and classification of small objects in infrared images achieving varied levels of success. There is a need for a survey paper that critically analyzes existing techniques in this domain, identifies unsolved challenges and provides future research directions. This paper fills the gap and offers a concise and insightful review of deep learning-based methods. It also identifies the challenges faced by existing infrared object segmentation methods and provides a structured review of existing infrared perception methods from the perspective of these challenges and highlights the motivations behind the various approaches. Finally, this review suggests promising future directions based on recent advancements within this domain.
• Abstract（参考訳）: 赤外線センシングは、自動運転車やドローンのような無人システムをサポートするための中核的な方法である。 近年,遠距離・広視野からの物体の検出・分類のために,移動体および静止体プラットフォームに赤外線センサが広く展開されている。 視覚画像解析分野での成功を考えると、深層学習は赤外線画像の物体認識にも応用されている。 しかし、可視光知覚で成功した技術は、赤外線領域における新しい課題に直面している。 これらの課題には、赤外線画像の信号対雑音比が極端に低いこと、非常に小さくぼやけている対象、赤外線センサーの特殊性によるラベル付き/ラベル付きトレーニングデータの可用性の制限などが含まれる。 赤外線画像における小物体の検出・分類に様々な手法が提案されている。 この領域の既存のテクニックを批判的に分析し、未解決の課題を特定し、今後の研究方向性を提供する調査論文が必要である。 本稿では,このギャップを埋め,深層学習に基づく手法の簡潔で洞察に富んだレビューを行う。 また、既存の赤外線オブジェクトセグメンテーション手法が直面する課題を特定し、これらの課題の観点から既存の赤外線認識手法の構造化されたレビューを提供し、様々なアプローチの背景にあるモチベーションを強調している。 最後に、この領域内での最近の進歩に基づいて、将来的な方向性を示唆する。

関連論文リスト

• Infrared and Visible Image Fusion: From Data Compatibility to Task Adaption [65.06388526722186]
  赤外線可視画像融合はコンピュータビジョンにおいて重要な課題である。 この急成長する領域に対処する、最近の包括的な調査が欠如している。 本稿では,共通学習に基づくIVIF手法の解明のための多次元フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-01-18T13:17:34Z)
• Small Aerial Target Detection for Airborne Infrared Detection Systems using LightGBM and Trajectory Constraints [10.00266996583567]
  本稿では,航空機搭載赤外線検知システムのための簡易かつ効果的な小型空中目標検出手法を提案する。 公開データセットの実験では,提案手法は他の既存手法よりも優れた性能を示した。 私たちの知る限りでは、このデータセットはこの分野で最大のデータスケールとリッチなシーンタイプを持っています。
  論文  参考訳（メタデータ） (2024-07-01T13:33:40Z)
• Small and Dim Target Detection in IR Imagery: A Review [9.941925002794262]
  これは、赤外線画像における小型および薄型ターゲット検出の分野における最初のレビューである。 主なアプローチには、複数のフレームを使用して検出する手法と、単一フレームベースの検出技術がある。 この結果から,ディープラーニングアプローチは従来の画像処理手法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2023-11-27T22:25:46Z)
• Low-light Pedestrian Detection in Visible and Infrared Image Feeds: Issues and Challenges [2.6565101124248502]
  本研究は, 低照度歩行者検出手法の最近の展開を概観する。 地域ベースから非地域ベース、グラフベースの学習方法論まで、様々なアルゴリズムを体系的に分類し分析する。 高度な歩行者検出アルゴリズムの研究と開発に使用できる重要なベンチマークデータセットを概説する。
  論文  参考訳（メタデータ） (2023-11-14T21:39:15Z)
• Remote Sensing Object Detection Meets Deep Learning: A Meta-review of Challenges and Advances [51.70835702029498]
  本稿では,ディープラーニングに基づくRSOD手法の最近の成果を概観する。 RSODの主な課題として,マルチスケールオブジェクト検出,回転オブジェクト検出,弱いオブジェクト検出,小さなオブジェクト検出,限られた監視を伴うオブジェクト検出の5つを挙げる。 また、RSODの分野で広く使用されているベンチマークデータセットと評価指標、およびRSODのアプリケーションシナリオについてもレビューする。
  論文  参考訳（メタデータ） (2023-09-13T06:48:32Z)
• Oriented Object Detection in Optical Remote Sensing Images using Deep Learning: A Survey [10.665235711722076]
  オブジェクト指向物体検出は、リモートセンシングにおいて最も基本的で困難なタスクの1つである。 近年,ディープラーニング技術を用いたオブジェクト指向物体検出の進歩が目覚ましい。
  論文  参考訳（メタデータ） (2023-02-21T06:31:53Z)
• Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
  本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。 従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。 本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
  論文  参考訳（メタデータ） (2022-03-30T11:44:56Z)
• 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)
• Infrared Small-Dim Target Detection with Transformer under Complex Backgrounds [155.388487263872]
  変換器を用いた赤外線小径目標検出手法を提案する。 画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。 最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
  論文  参考訳（メタデータ） (2021-09-29T12:23:41Z)
• Deep Learning for Sensor-based Human Activity Recognition: Overview, Challenges and Opportunities [52.59080024266596]
  本稿では,センサを用いた人間の活動認識のための最先端のディープラーニング手法について調査する。 まず、官能データのマルチモーダリティを導入し、公開データセットに情報を提供する。 次に、課題によって深層メソッドを構築するための新しい分類法を提案する。
  論文  参考訳（メタデータ） (2020-01-21T09:55:59Z)

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。