論文の概要: Adaptive Spectrum-Aware Feature Disentangled Network for Small Object Detection

• arxiv url: http://arxiv.org/abs/2606.29029v1
• Date: Sat, 27 Jun 2026 17:51:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.763556
• Title: Adaptive Spectrum-Aware Feature Disentangled Network for Small Object Detection
• Title（参考訳）: 小型物体検出のための適応スペクトル認識型遠方性ネットワーク
• Authors: Yang Guo, Zihan Yang, Feifei Kou, Yulan Hu, Ran Zhang, Siyuan Yao,
• Abstract要約: 小型物体検出はコンピュータビジョンの基本的な問題であるが、難しい問題である。 近年のアプローチは目覚ましい進歩を遂げているが、異なる周波数スペクトルの背景散乱器は依然として性能を低下させている。 本研究では,SFDNetと呼ばれる小型物体検出フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 14.013694876435123
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Small Object Detection (SOD) is a fundamental yet challenging problem in computer vision due to its limited spatial resolution and weak visual cues. Although recent approaches have achieved remarkable advances, the background distractors in different frequency spectra still degrade the performance. In this paper, we propose a novel small object detection framework termed SFDNet, which is capable of detecting small objects via efficient spectrum-aware feature disentanglement. Specifically, we propose an Adaptive Spectrum Disentanglement (ASD) module that decomposes backbone features into multiple complementary spectral components, aiming to construct discriminative object-relevant representations by discarding the background distractors for each component. Afterwards, to strengthen the semantic consistency of the similar objects in the same class, we propose a Class-Wise Prototype Distillation (CPD) procedure, which establishes class prototypes for the object instances and enforces the compact representation by efficient prototype distillation. Extensive experiments on multiple challenging benchmarks show that SFDNet outperforms existing state-of-the-art methods by a large margin. Our code is available at https://github.com/ManOfStory/SFDNet.
• Abstract（参考訳）: 小物体検出(Small Object Detection, SOD)は、空間解像度の制限と弱い視覚的手がかりのため、コンピュータビジョンにおいて基本的な問題である。 近年のアプローチは目覚ましい進歩を遂げているが、異なる周波数スペクトルの背景散乱器は依然として性能を低下させている。 本稿では,SFDNetと呼ばれる新しい小型物体検出フレームワークを提案する。 具体的には、バックボーン特徴を複数の相補的なスペクトル成分に分解する適応スペクトル分散(ASD)モジュールを提案する。 その後、類似したオブジェクトの同一クラスにおけるセマンティック一貫性を強化するために、オブジェクトインスタンスのクラスプロトタイプを確立し、効率的なプロトタイプ蒸留によりコンパクト表現を強制するクラスワイズ原型蒸留(CPD)手順を提案する。 複数の挑戦的なベンチマークに関する大規模な実験は、SFDNetが既存の最先端メソッドよりも大きなマージンで優れていることを示している。 私たちのコードはhttps://github.com/ManOfStory/SFDNetで利用可能です。

関連論文リスト

• MODA: The First Challenging Benchmark for Multispectral Object Detection in Aerial Images [26.48439423478357]
  航空画像におけるマルチスペクトル物体検出のための最初の大規模データセット(MODA)を紹介する。 このデータセットは14,041のMSIと330,191のアノテーションで構成されている。 我々はまた、スペクトル情報と空間情報をオブジェクト認識キューに統合するフレームワークであるOSSDetを提案する。
  論文  参考訳（メタデータ） (2025-12-10T10:07:06Z)
• AuxDet: Auxiliary Metadata Matters for Omni-Domain Infrared Small Target Detection [49.81255045696323]
  補助メタデータ駆動型赤外小型ターゲット検出器(AuxDet)について述べる。 AuxDetはメタデータセマンティクスと視覚的特徴を統合し、各サンプルに対する適応表現学習を導く。 挑戦的なWideIRSTD-Fullベンチマークの実験は、AuxDetが一貫して最先端のメソッドより優れていることを示した。
  論文  参考訳（メタデータ） (2025-05-21T07:02:05Z)
• Learning to Borrow Features for Improved Detection of Small Objects in Single-Shot Detectors [0.0]
  そこで本研究では,クラス内のより大規模で意味的にリッチなインスタンスから,小さなオブジェクト表現を識別的特徴の「バラバラ化」を可能にする新しいフレームワークを提案する。 本手法は, 複雑な視覚環境下でのロバストな物体検出に有望な方向を提供するため, ベースライン法よりも小さな物体検出精度を著しく向上させる。
  論文  参考訳（メタデータ） (2025-04-30T01:18:33Z)
• SpecDETR: A Transformer-based Hyperspectral Point Object Detection Network [32.7318504162588]
  ハイパースペクトル目標検出(HTD)は、ハイパースペクトル画像のスペクトル情報に基づいて特定の物質を識別することを目的としている。 既存のHTD法は、ハイパースペクトル画像の3次元立方体構造を無視した画素単位のバイナリ分類に基づいて開発されている。 ハイパースペクトル・マルチクラス・ポイント・オブジェクト検出のための最初の専用ネットワークであるSpecDETRを紹介する。
  論文  参考訳（メタデータ） (2024-05-16T14:45:06Z)
• 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)
• Adaptive Rotated Convolution for Rotated Object Detection [96.94590550217718]
  本稿では、回転物体検出問題に対処するために、適応回転変換(ARC)モジュールを提案する。 ARCモジュールでは、コンボリューションカーネルが適応的に回転し、異なる画像に異なる向きのオブジェクト特徴を抽出する。 提案手法は,81.77%mAPのDOTAデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-03-14T11:53:12Z)
• Multi-patch Feature Pyramid Network for Weakly Supervised Object Detection in Optical Remote Sensing Images [39.25541709228373]
  マルチパッチ特徴ピラミッドネットワーク(MPFP-Net)を用いたオブジェクト検出のための新しいアーキテクチャを提案する。 MPFP-Netは、トレーニング中の最も差別的なパッチのみを追求する現在のモデルとは異なる。 残余値の正則化と核融合遷移層を厳密にノルム保存する有効な方法を提案する。
  論文  参考訳（メタデータ） (2021-08-18T09:25:39Z)
• Meta Faster R-CNN: Towards Accurate Few-Shot Object Detection with Attentive Feature Alignment [33.446875089255876]
  Few-shot Object Detection (FSOD) は、少数の例でオブジェクトを検出することを目的としている。 本稿では,データ不足ベースクラスから学習したメタ知識を新しいクラスに転送することで,メタラーニングに基づくマイショットオブジェクト検出手法を提案する。
  論文  参考訳（メタデータ） (2021-04-15T19:01:27Z)
• Fine-Grained Dynamic Head for Object Detection [68.70628757217939]
  本稿では,各インスタンスの異なるスケールからfpn特徴の画素レベルの組み合わせを条件付きで選択する,きめ細かい動的ヘッドを提案する。 実験は,いくつかの最先端検出ベンチマークにおける提案手法の有効性と有効性を示す。
  論文  参考訳（メタデータ） (2020-12-07T08:16:32Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)

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。