Fugu-MT 論文翻訳(概要): Detection of Underwater Multi-Targets Based on Self-Supervised Learning and Deformable Path Aggregation Feature Pyramid Network

論文の概要: Detection of Underwater Multi-Targets Based on Self-Supervised Learning and Deformable Path Aggregation Feature Pyramid Network

arxiv url: http://arxiv.org/abs/2505.15518v1
Date: Wed, 21 May 2025 13:43:26 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-22 15:42:59.672423
Title: Detection of Underwater Multi-Targets Based on Self-Supervised Learning and Deformable Path Aggregation Feature Pyramid Network
Title（参考訳）: 自己教師付き学習と変形可能な経路集約特徴ピラミッドネットワークに基づく水中マルチターゲットの検出
Authors: Chang Liu,
Abstract要約: 本稿では,水中ターゲット検出のための特別なデータセットを開発し,水中マルチターゲット検出のための効率的なアルゴリズムを提案する。変形可能な畳み込みと拡張畳み込みを導入した水中目標検出に適した検出モデルを提案する。実験の結果,提案した検出器により,水中目標検出の精度が向上したことがわかった。
参考スコア（独自算出の注目度）: 3.9561033879611944
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: To overcome the constraints of the underwater environment and improve the accuracy and robustness of underwater target detection models, this paper develops a specialized dataset for underwater target detection and proposes an efficient algorithm for underwater multi-target detection. A self-supervised learning based on the SimSiam structure is employed for the pre-training of underwater target detection network. To address the problems of low detection accuracy caused by low contrast, mutual occlusion and dense distribution of underwater targets in underwater object detection, a detection model suitable for underwater target detection is proposed by introducing deformable convolution and dilated convolution. The proposed detection model can obtain more effective information by increasing the receptive field. In addition, the regression loss function EIoU is introduced, which improves model performance by separately calculating the width and height losses of the predicted box. Experiment results show that the accuracy of the underwater target detection has been improved by the proposed detector.
Abstract（参考訳）: 水中環境の制約を克服し、水中ターゲット検出モデルの精度と堅牢性を向上させるため、水中ターゲット検出のための特別なデータセットを開発し、水中マルチターゲット検出のための効率的なアルゴリズムを提案する。水中目標検出ネットワークの事前学習には,SimSiam構造に基づく自己教師型学習を用いる。水中物体検出における低コントラスト, 相互閉塞, 密分布による検出精度の低下に対処するため, 変形可能な畳み込みと拡張畳み込みを導入した水中目標検出に適した検出モデルを提案する。提案した検出モデルは、受容場を増大させることにより、より効果的な情報を得ることができる。また、予測ボックスの幅と高さの損失を別々に算出してモデル性能を向上させる回帰損失関数EIoUを導入する。実験の結果,提案した検出器により,水中目標検出の精度が向上したことがわかった。

関連論文リスト

Color Information-Based Automated Mask Generation for Detecting Underwater Atypical Glare Areas [0.0]
本研究では,教師なしK平均クラスタリングを用いた呼吸気泡検出アルゴリズムを提案する。提案手法は水中画像から色データと相対空間座標を融合し,CLAHEを用いて雑音を緩和し,次いで画素クラスタリングを行い,反射領域を分離する。実験により,水中画像中の呼吸気泡に対応する領域を効果的に検出でき,RGB,LAB,HSV色空間の併用により検出精度が著しく向上することが確認された。
論文参考訳（メタデータ） (2025-02-23T11:17:20Z)
Nearshore Underwater Target Detection Meets UAV-borne Hyperspectral Remote Sensing: A Novel Hybrid-level Contrastive Learning Framework and Benchmark Dataset [6.832892497880372]
UAV搭載ハイパースペクトルリモートセンシングは、水中目標検出(UTD)のための有望なアプローチとして登場した近海環境におけるスペクトル歪みによって妨げられ、従来の超スペクトルUTD法の精度を損なう。沿岸域における強靭なHUTDのための自己評価学習パラダイムとコントラスト学習を統合した新しいフレームワークを提案する。
論文参考訳（メタデータ） (2025-02-20T12:25:30Z)
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)
Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文参考訳（メタデータ） (2023-08-24T12:32:46Z)
AMSP-UOD: When Vortex Convolution and Stochastic Perturbation Meet Underwater Object Detection [40.532331552038485]
AMSP-UOD(Amplitude-Modulated Perturbation and Vortex Convolutional Network)を提案する。 AMSP-UODは複雑な水中環境における非理想的撮像因子が検出精度に与える影響に対処する。提案手法は,既存の最先端手法よりも精度とノイズ免疫の点で優れる。
論文参考訳（メタデータ） (2023-08-23T05:03:45Z)
Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文参考訳（メタデータ） (2023-08-18T13:13:09Z)
Histogram Layer Time Delay Neural Networks for Passive Sonar Classification [58.720142291102135]
時間遅延ニューラルネットワークとヒストグラム層を組み合わせた新しい手法により,特徴学習の改善と水中音響目標分類を実現する。提案手法はベースラインモデルより優れており,受動的ソナー目標認識のための統計的文脈を取り入れた有効性を示す。
論文参考訳（メタデータ） (2023-07-25T19:47:26Z)
Underwater target detection based on improved YOLOv7 [7.264267222876267]
本研究では,水中目標検出のための改良型YOLOv7ネットワーク(YOLOv7-AC)を提案する。提案するネットワークは、ACmixBlockモジュールを使用して、E-ELAN構造の3x3畳み込みブロックを置き換える。 ResNet-ACmixモジュールは、特徴情報の損失を回避し、計算量を削減するように設計されている。
論文参考訳（メタデータ） (2023-02-14T09:50:52Z)
Watermarking for Out-of-distribution Detection [76.20630986010114]
Out-of-Distribution (OOD) 検出は、よく訓練された深層モデルから抽出された表現に基づいてOODデータを識別することを目的としている。本稿では,透かしという一般的な手法を提案する。我々は,元データの特徴に重畳される統一パターンを学習し,ウォーターマーキング後にモデルの検出能力が大きく向上する。
論文参考訳（メタデータ） (2022-10-27T06:12:32Z)
DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
論文参考訳（メタデータ） (2021-05-30T22:07:13Z)
A Generative Approach for Detection-driven Underwater Image Enhancement [19.957923413999673]
本稿では,GAN(Generative Adversarial Network)に基づく画像強調とダイバー検出タスクを統合したモデルを提案する。提案手法はGAN目的関数を再構成し,事前に訓練されたダイバーディテクタの情報を含む。我々は,最先端のダイバー検出器を用いて,スキューバダイバーの大規模データセット上でネットワークをトレーニングし,海洋探査から収集した画像上でその有用性を示す。
論文参考訳（メタデータ） (2020-12-10T21:33:12Z)

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。