論文の概要: Hyperspectral Remote Sensing Images Salient Object Detection: The First Benchmark Dataset and Baseline

• arxiv url: http://arxiv.org/abs/2504.02416v1
• Date: Thu, 03 Apr 2025 09:12:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-04 12:56:31.978895
• Title: Hyperspectral Remote Sensing Images Salient Object Detection: The First Benchmark Dataset and Baseline
• Title（参考訳）: Hyperspectral Remote Sensing Images Salient Object Detection: The First Benchmark Dataset and Baseline
• Authors: Peifu Liu, Huiyan Bai, Tingfa Xu, Jihui Wang, Huan Chen, Jianan Li,
• Abstract要約: HRSI-SODデータセットはHRSSDと呼ばれ,704個のハイパースペクトル画像と5327個のピクセルレベルのアノテート・サリエント・オブジェクトを含む。 HRSSDデータセットは、大規模な変動、さまざまなフォアグラウンド・バックグラウンド・リレーション、マルチサリアント・オブジェクトのために、健全なオブジェクト検出アルゴリズムに重大な課題を提起する。 我々は、ディープ・スペクトル・サリエンシ・ネットワーク(DSSN)と呼ばれるHRSI-SODの革新的で効率的なベースラインモデルを提案する。
• 参考スコア（独自算出の注目度）: 14.081609886645555
• License:
• Abstract: The objective of hyperspectral remote sensing image salient object detection (HRSI-SOD) is to identify objects or regions that exhibit distinct spectrum contrasts with the background. This area holds significant promise for practical applications; however, progress has been limited by a notable scarcity of dedicated datasets and methodologies. To bridge this gap and stimulate further research, we introduce the first HRSI-SOD dataset, termed HRSSD, which includes 704 hyperspectral images and 5327 pixel-level annotated salient objects. The HRSSD dataset poses substantial challenges for salient object detection algorithms due to large scale variation, diverse foreground-background relations, and multi-salient objects. Additionally, we propose an innovative and efficient baseline model for HRSI-SOD, termed the Deep Spectral Saliency Network (DSSN). The core of DSSN is the Cross-level Saliency Assessment Block, which performs pixel-wise attention and evaluates the contributions of multi-scale similarity maps at each spatial location, effectively reducing erroneous responses in cluttered regions and emphasizes salient regions across scales. Additionally, the High-resolution Fusion Module combines bottom-up fusion strategy and learned spatial upsampling to leverage the strengths of multi-scale saliency maps, ensuring accurate localization of small objects. Experiments on the HRSSD dataset robustly validate the superiority of DSSN, underscoring the critical need for specialized datasets and methodologies in this domain. Further evaluations on the HSOD-BIT and HS-SOD datasets demonstrate the generalizability of the proposed method. The dataset and source code are publicly available at https://github.com/laprf/HRSSD.
• Abstract（参考訳）: ハイパースペクトルリモートセンシング画像サリアンオブジェクト検出(HRSI-SOD)の目的は、背景と異なるスペクトルのコントラストを示す物体や領域を特定することである。 この領域は実践的な応用には大きな可能性を秘めているが、専門的なデータセットや方法論の不足によって進歩は制限されている。 このギャップを埋め、さらなる研究を促進するため、HRSI-SODデータセットはHRSSDと呼ばれ、704のハイパースペクトル画像と5327のピクセルレベルのアノテート・サリエント・オブジェクトを含む。 HRSSDデータセットは、大規模な変動、さまざまなフォアグラウンド・バックグラウンド・リレーション、マルチサリアント・オブジェクトのために、健全なオブジェクト検出アルゴリズムに重大な課題を提起する。 さらに、HRSI-SODの革新的な効率的なベースラインモデルを提案し、DSSN(Deep Spectral Saliency Network)と呼ぶ。 DSSNの中核はクロスレベル・サリエンシ・アセスメント・ブロックであり、ピクセルワイズ・アテンションを行い、各空間位置におけるマルチスケールの類似性マップの寄与を評価し、散在する領域における誤応答を効果的に低減し、スケールをまたいだサリエント領域を強調する。 さらに、高分解能融合モジュールはボトムアップ融合戦略と学習空間のアップサンプリングを組み合わせることで、マルチスケールのサリエンシマップの強みを活用し、小さな物体の正確な位置を確実にする。 HRSSDデータセットの実験はDSSNの優位性をしっかりと検証し、この領域における特別なデータセットと方法論のクリティカルな必要性を浮き彫りにした。 HSOD-BITおよびHS-SODデータセットのさらなる評価により,提案手法の一般化可能性を示す。 データセットとソースコードはhttps://github.com/laprf/HRSSDで公開されている。

関連論文リスト

• PGNeXt: High-Resolution Salient Object Detection via Pyramid Grafting Network [24.54269823691119]
  本稿では、データセットとネットワークフレームワークの両方の観点から、より難解な高分解能サルエントオブジェクト検出(HRSOD)について述べる。 HRSODデータセットの欠如を補うため、UHRSDと呼ばれる大規模高解像度の高分解能物体検出データセットを慎重に収集した。 すべての画像はピクセルレベルで微妙にアノテートされ、以前の低解像度のSODデータセットをはるかに上回っている。
  論文  参考訳（メタデータ） (2024-08-02T09:31:21Z)
• Learning to Holistically Detect Bridges from Large-Size VHR Remote Sensing Imagery [40.001753733290464]
  大規模超高分解能(VHR)RSIにおける全体的橋梁検出は不可欠である。 大規模なVHR RSIを備えたデータセットの欠如は、ブリッジ検出におけるディープラーニングアルゴリズムのパフォーマンスを制限している。 本稿では,多様な地理的位置から採取した6,000VHR RSIからなるGLH-Bridgeという大規模データセットを提案する。
  論文  参考訳（メタデータ） (2023-12-05T04:15:22Z)
• 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)
• 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)
• Deep Posterior Distribution-based Embedding for Hyperspectral Image Super-resolution [75.24345439401166]
  本稿では,高スペクトル画像の高次元空間スペクトル情報を効率的に効率的に埋め込む方法について述べる。 我々は,HS埋め込みを,慎重に定義されたHS埋め込みイベントの集合の後方分布の近似として定式化する。 そして,提案手法を物理的に解釈可能なソース一貫性超解像フレームワークに組み込む。 3つの一般的なベンチマークデータセットに対する実験により、PDE-Netは最先端の手法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2022-05-30T06:59:01Z)
• RRNet: Relational Reasoning Network with Parallel Multi-scale Attention for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
  光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。 光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。 提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
  論文  参考訳（メタデータ） (2021-10-27T07:18:32Z)
• 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)
• A Parallel Down-Up Fusion Network for Salient Object Detection in Optical Remote Sensing Images [82.87122287748791]
  光リモートセンシング画像(RSI)における有意な物体検出のための新しい並列ダウンアップフュージョンネットワーク(PDF-Net)を提案する。 In-pathの低レベル・高レベルな特徴とクロスパスの多解像度な特徴をフル活用して、多様なスケールのサルエントオブジェクトを識別し、散らかった背景を抑える。 ORSSDデータセットの実験により、提案したネットワークは定性的かつ定量的に最先端のアプローチ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） (2020-10-02T05:27:57Z)
• Spatial--spectral FFPNet: Attention-Based Pyramid Network for Segmentation and Classification of Remote Sensing Images [12.320585790097415]
  本研究では,リモートセンシングデータセットのセグメンテーションと分類のためのアテンションベースのピラミッドネットワークを開発する。 ISPRS Vaihingen と ISPRS Potsdam の高分解能データセットを用いて行った実験は、提案した重み空間FFPNetによる競合セグメンテーション精度を示す。
  論文  参考訳（メタデータ） (2020-08-20T04:55:34Z)

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。