論文の概要: Cross-modal Ship Re-Identification via Optical and SAR Imagery: A Novel Dataset and Method

• arxiv url: http://arxiv.org/abs/2506.22027v1
• Date: Fri, 27 Jun 2025 09:13:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:23.145643
• Title: Cross-modal Ship Re-Identification via Optical and SAR Imagery: A Novel Dataset and Method
• Title（参考訳）: 光・SAR画像による船のクロスモーダル再同定:新しいデータセットと方法
• Authors: Han Wang, Shengyang Li, Jian Yang, Yuxuan Liu, Yixuan Lv, Zhuang Zhou,
• Abstract要約: 海上での船の追跡は、海上捜索救助、法執行、船舶分析などの用途に不可欠である。 現在の船舶追跡手法のほとんどは静止衛星やビデオ衛星に依存している。 これらの制約に対処するため,Hybrid Optical and Synthetic Aperture Radar (SAR) Ship Re-Identificationデータセットを提案する。
• 参考スコア（独自算出の注目度）: 16.8202125093375
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting and tracking ground objects using earth observation imagery remains a significant challenge in the field of remote sensing. Continuous maritime ship tracking is crucial for applications such as maritime search and rescue, law enforcement, and shipping analysis. However, most current ship tracking methods rely on geostationary satellites or video satellites. The former offer low resolution and are susceptible to weather conditions, while the latter have short filming durations and limited coverage areas, making them less suitable for the real-world requirements of ship tracking. To address these limitations, we present the Hybrid Optical and Synthetic Aperture Radar (SAR) Ship Re-Identification Dataset (HOSS ReID dataset), designed to evaluate the effectiveness of ship tracking using low-Earth orbit constellations of optical and SAR sensors. This approach ensures shorter re-imaging cycles and enables all-weather tracking. HOSS ReID dataset includes images of the same ship captured over extended periods under diverse conditions, using different satellites of different modalities at varying times and angles. Furthermore, we propose a baseline method for cross-modal ship re-identification, TransOSS, which is built on the Vision Transformer architecture. It refines the patch embedding structure to better accommodate cross-modal tasks, incorporates additional embeddings to introduce more reference information, and employs contrastive learning to pre-train on large-scale optical-SAR image pairs, ensuring the model's ability to extract modality-invariant features. Our dataset and baseline method are publicly available on https://github.com/Alioth2000/Hoss-ReID.
• Abstract（参考訳）: 地球観測画像による地中物体の検出と追跡は、リモートセンシングの分野において重要な課題である。 海上での船の追跡は、海上捜索救助、法執行、船舶分析などの用途に不可欠である。 しかし、現在の船舶追跡手法のほとんどは静止衛星やビデオ衛星に依存している。 前者は解像度が低く、気象条件に影響を受けやすいが、後者は撮影期間が短く、カバー範囲も限られており、実際の船舶追跡の要求に適合しない。 これらの制約に対処するため,光学・合成開口レーダ (SAR) の船体再識別データセット (HOSS ReID データセット) を提案する。 このアプローチは、短い再画像サイクルを保証し、全天候追跡を可能にする。 HOSS ReIDデータセットには、さまざまな条件下で捕獲された同じ船の画像が含まれている。 さらに,Vision Transformerアーキテクチャ上に構築されたクロスモーダル船の再識別のためのベースライン手法であるTransOSSを提案する。 パッチの埋め込み構造を改良して、クロスモーダルタスクをよりよく適合させ、より多くの参照情報を導入するために追加の埋め込みを導入し、大規模な光学SARイメージペアで事前トレーニングするためにコントラスト学習を採用し、モデルがモダリティ不変の特徴を抽出する能力を確実にする。 データセットとベースラインメソッドはhttps://github.com/Alioth2000/Hoss-ReIDで公開されています。

関連論文リスト

• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• MOANA: Multi-Radar Dataset for Maritime Odometry and Autonomous Navigation Application [10.093577014949398]
  このデータセットは、短距離LiDARデータ、中距離Wバンドレーダデータ、長距離Xバンドレーダデータを統一されたフレームワークに統合する。 このデータセットは、ブルーナビゲーションアルゴリズム推定の難易度が異なる多様な領域から収集された7つのシーケンスから構成される。
  論文  参考訳（メタデータ） (2024-12-05T05:40:40Z)
• On the Generation of a Synthetic Event-Based Vision Dataset for Navigation and Landing [69.34740063574921]
  本稿では,最適な着陸軌道からイベントベースの視覚データセットを生成する手法を提案する。 我々は,惑星と小惑星の自然シーン生成ユーティリティを用いて,月面のフォトリアリスティックな画像のシーケンスを構築した。 パイプラインは500トラジェクトリのデータセットを構築することで,表面特徴の現実的なイベントベース表現を生成することができることを示す。
  論文  参考訳（メタデータ） (2023-08-01T09:14:20Z)
• xView3-SAR: Detecting Dark Fishing Activity Using Synthetic Aperture Radar Imagery [52.67592123500567]
  世界の漁業は海洋資源や生態系に大きな脅威をもたらす。 夜間または夜間、全天候下で暗黒船の自動検出が可能となった。 xView3-SARは、Sentinel-1ミッションから得られた1000近い分析可能なSAR画像で構成されている。
  論文  参考訳（メタデータ） (2022-06-02T06:53:45Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• FGSD: A Dataset for Fine-Grained Ship Detection in High Resolution Satellite Images [22.883300168530035]
  高解像度リモートセンシング画像を用いた船舶検出は、海面規制に寄与する重要な課題である。 船舶検出研究の促進を目的として, FGSD と命名された, きめ細かな船舶検出データセットを新たに導入した。 このデータセットは、世界中の複数の大きな港からの船のサンプルを含む高解像度のリモートセンシング画像を集めている。
  論文  参考訳（メタデータ） (2020-03-15T13:54:20Z)
• Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
  ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。 我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。 私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
  論文  参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。