論文の概要: Detection-Friendly Nonuniformity Correction: A Union Framework for Infrared UAVTarget Detection

• arxiv url: http://arxiv.org/abs/2504.04012v1
• Date: Sat, 05 Apr 2025 01:29:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:09:55.361934
• Title: Detection-Friendly Nonuniformity Correction: A Union Framework for Infrared UAVTarget Detection
• Title（参考訳）: 検出に親しみやすい不均一補正:赤外線UAVTarget検出のための統合フレームワーク
• Authors: Houzhang Fang, Xiaolin Wang, Zengyang Li, Lu Wang, Qingshan Li, Yi Chang, Luxin Yan,
• Abstract要約: 熱検出器を用いて撮影した赤外線無人航空機(UAV)画像は、しばしば温度依存性の低周波不均一性によって影響を受ける。 赤外線とUAVの両方の目標検出タスクに同時に対応できる検出フレンドリーな統合フレームワークを提案する。 検出誘導型自己監督損失を導入し,2つのタスク間の特徴的不一致を低減し,不均一なレベルが変化するように検出の堅牢性を向上する。
• 参考スコア（独自算出の注目度）: 18.776245480405958
• License:
• Abstract: Infrared unmanned aerial vehicle (UAV) images captured using thermal detectors are often affected by temperature dependent low-frequency nonuniformity, which significantly reduces the contrast of the images. Detecting UAV targets under nonuniform conditions is crucial in UAV surveillance applications. Existing methods typically treat infrared nonuniformity correction (NUC) as a preprocessing step for detection, which leads to suboptimal performance. Balancing the two tasks while enhancing detection beneficial information remains challenging. In this paper, we present a detection-friendly union framework, termed UniCD, that simultaneously addresses both infrared NUC and UAV target detection tasks in an end-to-end manner. We first model NUC as a small number of parameter estimation problem jointly driven by priors and data to generate detection-conducive images. Then, we incorporate a new auxiliary loss with target mask supervision into the backbone of the infrared UAV target detection network to strengthen target features while suppressing the background. To better balance correction and detection, we introduce a detection-guided self-supervised loss to reduce feature discrepancies between the two tasks, thereby enhancing detection robustness to varying nonuniformity levels. Additionally, we construct a new benchmark composed of 50,000 infrared images in various nonuniformity types, multi-scale UAV targets and rich backgrounds with target annotations, called IRBFD. Extensive experiments on IRBFD demonstrate that our UniCD is a robust union framework for NUC and UAV target detection while achieving real-time processing capabilities. Dataset can be available at https://github.com/IVPLaboratory/UniCD.
• Abstract（参考訳）: 熱検出器を用いて撮影した赤外線無人航空機(UAV)画像は、しばしば温度依存性の低周波非均一性の影響を受け、画像のコントラストを著しく減少させる。 非均一条件下でのUAV標的の検出は、UAV監視アプリケーションにおいて重要である。 既存の方法は、通常、赤外線不均一補正(NUC)を検出のための前処理ステップとして扱う。 2つのタスクのバランスを保ちながら、有益な情報の検出を強化することは、依然として困難である。 本稿では、赤外線NUCとUAVの両方のターゲット検出タスクをエンドツーエンドで同時に処理する、UniCDと呼ばれる検出フレンドリな統合フレームワークを提案する。 我々はまず,先行データとデータとを併用した少数のパラメータ推定問題としてNUCをモデル化し,検出誘導画像を生成する。 そして,赤外線UAVターゲット検出ネットワークのバックボーンに,ターゲットマスク監視による新たな補助的損失を組み込んで,背景を抑えながらターゲット特性を強化する。 修正と検出のバランスを改善するため,2つのタスク間の特徴の相違を低減し,不均一なレベルが変化するように検出の堅牢性を向上するため,検出誘導型自己教師損失を導入する。 さらに、様々な不均一なタイプの5万枚の赤外線画像、マルチスケールUAVターゲット、ターゲットアノテーションを持つリッチバックグラウンドからなる新しいベンチマーク、IRBFDを構築した。 IRBFDに関する大規模な実験により、我々のUniCDは、リアルタイム処理機能を実現しつつ、NUCおよびUAVターゲット検出のための堅牢な統合フレームワークであることが示された。 Datasetはhttps://github.com/IVPLaboratory/UniCDで利用できる。

関連論文リスト

• Bringing RGB and IR Together: Hierarchical Multi-Modal Enhancement for Robust Transmission Line Detection [67.02804741856512]
  高速かつ高精度なTL検出のために,RGBとIRデータを統合したHMMEN(Hierarchical Multi-Modal Enhancement Network)を提案する。 提案手法では,(1)階層的RGBおよびIR特徴写像を大まかに融合・拡張するMMEB,(2)デコーダ出力とIR特徴写像の不整合を変形可能な畳み込みを利用して補正するFAB,の2つの重要な構成要素を紹介する。
  論文  参考訳（メタデータ） (2025-01-25T06:21:06Z)
• UAVDB: Trajectory-Guided Adaptable Bounding Boxes for UAV Detection [0.03464344220266879]
  本稿では,Patch Intensity Convergence (PIC) を用いた高分解能UAV検出データセットであるUAVDBを紹介する。 IoU(Intersection over Union)の性能と実行時間を比較することにより,まずPIC生成バウンディングボックスの精度と効率を検証した。 次に、最先端(SOTA)YOLO系列検出器を用いてUAVDBをベンチマークし、UAVDBを長距離高分解能UAV検出のための貴重なリソースとして確立する。
  論文  参考訳（メタデータ） (2024-09-09T13:27:53Z)
• IRSAM: Advancing Segment Anything Model for Infrared Small Target Detection [55.554484379021524]
  Infrared Small Target Detection (IRSTD) タスクは、自然画像と赤外線画像の間に顕著な領域ギャップがあるため、満足度の高い性能を達成するには不十分である。 IRSTDのためのIRSAMモデルを提案する。これはSAMのエンコーダデコーダアーキテクチャを改善し、赤外線小物体の特徴表現をより良く学習する。
  論文  参考訳（メタデータ） (2024-07-10T10:17:57Z)
• D-YOLO a robust framework for object detection in adverse weather conditions [0.0]
  ヘイズ、雪、雨などの逆の気象条件は、画像品質の低下を招き、深層学習に基づく検知ネットワークの性能低下を招きかねない。 画像復元とオブジェクト検出のタスクをよりうまく統合するために,注目機能融合モジュールを備えた二重経路ネットワークを設計した。 我々はまた,検出ネットワークにヘイズフリーな機能を提供するサブネットワークを提案し,特に,明瞭な特徴抽出サブネットワークと検出ネットワーク間の距離を最小化することにより,検出ネットワークの性能を向上させる。
  論文  参考訳（メタデータ） (2024-03-14T09:57:15Z)
• Mitigate Target-level Insensitivity of Infrared Small Target Detection via Posterior Distribution Modeling [5.248337726304453]
  Infrared Small Target Detection (IRSTD) は、赤外線クラッタ背景から小さなターゲットを分離することを目的としている。 マスク後部分布モデルを用いて画素レベルの判別を補正する赤外線小ターゲット検出のための拡散モデルフレームワークを提案する。 実験により,提案手法は, NUAA-SIRST, IRSTD-1k, NUDT-SIRSTデータセット上での最先端手法と競合する性能向上を実現することを示した。
  論文  参考訳（メタデータ） (2024-03-13T09:45:30Z)
• SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised Learning for Robust Infrared Small Target Detection [53.19618419772467]
  単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。 Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。 赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-08T16:14:54Z)
• ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
  我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。 本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。 我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-05-16T04:24:22Z)
• 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)
• 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)
• SyNet: An Ensemble Network for Object Detection in UAV Images [13.198689566654107]
  本稿では,マルチステージ方式とシングルステージ方式を組み合わせたアンサンブルネットワークであるSyNetを提案する。 ビルディングブロックとして、センシング戦略とともに、プリトレーニング特徴抽出器を備えたセンタネットおよびカスケードr−cnnを利用する。 提案手法により得られた技術成果を2つの異なるデータセットで報告する。
  論文  参考訳（メタデータ） (2020-12-23T21:38:32Z)
• Deep Learning-based Human Detection for UAVs with Optical and Infrared Cameras: System and Experiments [35.342730238802886]
  本稿では,光学(RGB)と長波赤外線(LWIR)カメラを用いた深層学習に基づく人体検知システムを提案する。 それぞれのスペクトルにおいて、ResNetバックボーンを備えたカスタマイズされたRetinaNetネットワークは、人間の検出を提供する。 境界ボックスアンカーを最適化し,画像解像度を向上することにより,高高度からの欠落検出数を20%以上削減できることを示す。
  論文  参考訳（メタデータ） (2020-08-10T15:30:42Z)

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。