論文の概要: Hierarchical Fine-Grained Aerial Object Detection

• arxiv url: http://arxiv.org/abs/2606.16448v1
• Date: Mon, 15 Jun 2026 09:20:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.267507
• Title: Hierarchical Fine-Grained Aerial Object Detection
• Title（参考訳）: 階層型微粒空中物体検出
• Authors: Yan Zhang, Fang Xu, Wen Yang, Gui-Song Xia,
• Abstract要約: 本稿では、エキスパートインフォームドキューを組み込んだ、きめ細かい空中物体検出のためのスキーム「ExpertDet」を提案する。 具体的には、視覚構造とセマンティクスを整合させるVMAM(Vision-Aware Masked Attribute Modeling)を設計する。 また,階層型ビジュアル・インスタンス・プロモーション (HierVIP) を提案し,階層型関係に基づくビジュアル・プロトタイプ・ツリーを構築する。
• 参考スコア（独自算出の注目度）: 41.39072956799442
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fine-grained aerial object detection, driven by the intrinsic granularity of real-world object categories, is crucial for advanced scene understanding in remote sensing. Existing methods largely inherit the paradigm of coarse-grained object detection, relying solely on single-label supervision and thus struggling to distinguish model-level categories with subtle structural differences. However, for each specific model (e.g., Boeing 787), structured prior knowledge such as attributes and hierarchies offers discriminative semantics across multiple granularities. Motivated by this, we present ExpertDet, a scheme that incorporates expert-informed cues to enhance fine-grained aerial object detection. Specifically, we design Vision-aware Masked Attribute Modeling (VMAM), which aligns attribute semantics with visual structures by reconstructing randomly masked attributes from visual cues, enabling the detector to capture subtle structural distinctions. We further propose Hierarchical Visual Instance Promotion (HierVIP), which builds a visual prototype tree based on hierarchical relations and imposes taxonomy-aware constraints to preserve cross-level semantic continuity while enhancing category discrimination. Moreover, we curate a new fine-grained object detection benchmark for Precise recognition of model-specific Ships and Planes from aerial imagery, PSP, covering 106 ship classes and 30 airplane models, respectively, featuring the most extensive collection of model-specific categories among existing aerial object detection datasets to date. We benchmark state-of-the-art object detection algorithms on the PSP benchmark. Extensive evaluation demonstrates that ExpertDet consistently outperforms other fine-grained competitors across hierarchy levels. The dataset, benchmark, and code are available at https://nnnnerd.github.io/PSP-Benchmark/.
• Abstract（参考訳）: 実世界のオブジェクトカテゴリの内在的な粒度によって引き起こされる微粒な空中物体検出は、リモートセンシングにおける高度なシーン理解に不可欠である。 既存の手法は主に粗粒度検出のパラダイムを継承しており、単一ラベルの監視のみに依存しており、微妙な構造的な違いを持つモデルレベルのカテゴリを区別するのに苦労している。 しかしながら、各特定のモデル(例えばボーイング787)では、属性や階層といった事前知識が構造化され、複数の粒度にまたがる識別的意味論が提供される。 そこで本研究では, エキスパートインフォームド・キューを組み込んで, 微粒な空中物体検出の精度を高める手法であるExpertDetを提案する。 具体的には、視覚的特徴からランダムにマスキングされた属性を再構成することにより、属性意味を視覚構造と整合させる、視覚認識型マスキング属性モデリング(VMAM)を設計し、微妙な構造的特徴を捉えることができる。 さらに階層型ビジュアルインスタンスプロモーション (HierVIP) を提案し, 階層型関係に基づく視覚的プロトタイプツリーを構築し, カテゴリー識別を高めつつ, 階層型セマンティック連続性を維持するための分類学的制約を課している。 さらに,既存の航空物体検出データセットの中で,106の船舶クラスと30の航空機モデルをカバーする,航空画像からのモデル固有船舶及び航空機の正確な認識のための,新しい微粒な物体検出ベンチマークを作成した。 PSPベンチマークで最先端のオブジェクト検出アルゴリズムをベンチマークする。 大規模な評価は、ExpertDetが階層レベルを越えて、他のきめ細かいコンペティターを一貫して上回っていることを示している。 データセット、ベンチマーク、コードはhttps://nnnnerd.github.io/PSP-Benchmark/で公開されている。

関連論文リスト

• UniDGF: A Unified Detection-to-Generation Framework for Hierarchical Object Visual Recognition [14.256812146187565]
  本稿では,階層的カテゴリと属性トークンを予測可能な検出誘導型生成フレームワークを提案する。 検出対象ごとに、精細なROIレベルの特徴を抽出し、BARTベースのジェネレータを用いて意味トークンを生成する。 大規模なプロプライエタリなeコマースデータセットとオープンソースデータセットの両方の実験は、我々のアプローチが既存の類似性ベースのパイプラインを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2025-11-20T02:37:43Z)
• EnGraf-Net: Multiple Granularity Branch Network with Fine-Coarse Graft Grained for Classification Task [0.8299692647308321]
  きめ細かい分類モデルは、非常に類似したクラスを区別するために必要な関連する詳細に焦点を当てるように設計されている。 自動収穫法を含む部分的アプローチは、局所的特徴の不完全な表現に悩まされる。 本研究では,エングラフネット(EnGraf-Net)と呼ばれるエンドツーエンドのディープニューラルネットワークモデルにおいて,階層構造(分類)として構築されたセマンティックアソシエーションを教師付き信号として活用する。
  論文  参考訳（メタデータ） (2025-09-25T12:11:42Z)
• Benchmarking Unified Face Attack Detection via Hierarchical Prompt Tuning [58.16354555208417]
  PADとFFDはそれぞれ物理メディアベースのプレゼンテーションアタックとデジタル編集ベースのDeepFakeから顔データを保護するために提案されている。 これら2つのカテゴリの攻撃を同時に処理する統一顔攻撃検出モデルがないことは、主に2つの要因に起因する。 本稿では,異なる意味空間から複数の分類基準を適応的に探索する,視覚言語モデルに基づく階層型プロンプトチューニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-19T16:35:45Z)
• Exploring Robust Features for Few-Shot Object Detection in Satellite Imagery [17.156864650143678]
  従来の2段階アーキテクチャに基づく数発の物体検出器を開発した。 大規模な事前訓練モデルを使用して、クラス参照の埋め込みやプロトタイプを構築する。 課題と稀なオブジェクトを含む2つのリモートセンシングデータセットの評価を行う。
  論文  参考訳（メタデータ） (2024-03-08T15:20:27Z)
• Weakly-supervised Contrastive Learning for Unsupervised Object Discovery [52.696041556640516]
  ジェネリックな方法でオブジェクトを発見できるため、教師なしのオブジェクト発見は有望である。 画像から高レベルな意味的特徴を抽出する意味誘導型自己教師学習モデルを設計する。 オブジェクト領域のローカライズのための主成分分析(PCA)を導入する。
  論文  参考訳（メタデータ） (2023-07-07T04:03:48Z)
• Contrastive Object Detection Using Knowledge Graph Embeddings [72.17159795485915]
  一つのホットアプローチで学習したクラス埋め込みの誤差統計と、自然言語処理や知識グラフから意味的に構造化された埋め込みを比較した。 本稿では,キーポイントベースおよびトランスフォーマーベースオブジェクト検出アーキテクチャの知識埋め込み設計を提案する。
  論文  参考訳（メタデータ） (2021-12-21T17:10:21Z)
• Synthesizing the Unseen for Zero-shot Object Detection [72.38031440014463]
  そこで本研究では,視覚領域における視覚的特徴と視覚的対象の両方を学習するために,視覚的特徴を合成することを提案する。 クラスセマンティックスを用いた新しい生成モデルを用いて特徴を生成するだけでなく,特徴を識別的に分離する。
  論文  参考訳（メタデータ） (2020-10-19T12:36:11Z)
• Adaptive Object Detection with Dual Multi-Label Prediction [78.69064917947624]
  本稿では,適応オブジェクト検出のための新しいエンド・ツー・エンドの非教師付き深部ドメイン適応モデルを提案する。 モデルはマルチラベル予測を利用して、各画像内の対象カテゴリ情報を明らかにする。 本稿では,オブジェクト検出を支援するための予測整合正則化機構を提案する。
  論文  参考訳（メタデータ） (2020-03-29T04:23:22Z)

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。