論文の概要: SPEANet: Structural Prior Enhanced Attention Network for Parameter-Efficient Remote Sensing Object Detection

• arxiv url: http://arxiv.org/abs/2609.26064v1
• Date: Sat, 15 Aug 2026 07:54:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.852771
• Title: SPEANet: Structural Prior Enhanced Attention Network for Parameter-Efficient Remote Sensing Object Detection
• Title（参考訳）: SPEANet:パラメータ効率の良いリモートセンシングオブジェクト検出のための構造的事前注意ネットワーク
• Abstract要約: パラメータ効率のよいRSODバックボーンを提案し、ステージ固有の事前抽出とコンテキスト条件の応答変調によって固定演算子を統合する。 SPEANetは、DOTA-v1.0では78.55% mAP、DOTA-v1.5では72.24% mAP、DIOR-Rでは67.30% mAP、合計パラメータは23.0Mである。
• 参考スコア（独自算出の注目度）: 12.915007868990669
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remote sensing object detection (RSOD) requires compact backbones capable of preserving weak geometric cues under extreme scale variation and background clutter. Fixed structural operators provide complementary contour and frequency responses without introducing learnable operator coefficients. However, directly injecting these responses can amplify content-irrelevant textures, while applying a uniform operator design across the hierarchy may be poorly matched to stage-specific representation requirements. We propose the Structural Prior Enhanced Attention Network (SPEANet), a parameter-efficient RSOD backbone that integrates fixed operators through stage-specific prior extraction and context-conditioned response modulation. SPEANet assigns smoothed contour and multi-order directional modeling to shallow, high-resolution features, while employing a compact approximation-detail interaction mechanism in deeper stages. Learned spatial gates regulate the resulting prior responses before residual fusion. Experiments on five benchmarks, together with evaluations across seven detection frameworks on DOTA-v1.0, achieve a favorable accuracy-parameter trade-off. With Oriented R-CNN, SPEANet achieves 78.55\% mAP on DOTA-v1.0, 72.24\% mAP on DOTA-v1.5, and 67.30\% mAP on DIOR-R using 23.0M total parameters, including a 5.97M-parameter backbone.
• Abstract（参考訳）: リモートセンシングオブジェクト検出(RSOD)は、極度のスケール変化と背景乱れの下で弱い幾何学的手がかりを保存できるコンパクトなバックボーンを必要とする。 固定構造作用素は、学習可能な演算子係数を導入することなく相補的輪郭と周波数応答を提供する。 しかし、これらの応答を直接注入することは、内容に依存しないテクスチャを増幅する一方で、階層をまたいだ均一な演算子設計を適用することは、ステージ固有の表現要求にはあまりマッチしない可能性がある。 本研究では,パラメータ効率の高いRSODバックボーンであるStructure Prior Enhanced Attention Network (SPEANet)を提案する。 SPEANetは、より深い段階におけるコンパクトな近似-詳細相互作用機構を使用しながら、滑らかな輪郭と多階方向モデリングを浅い高解像度の特徴に割り当てる。 学習された空間ゲートは、残留核融合の前の反応を調節する。 5つのベンチマークの実験と、DOTA-v1.0の7つの検出フレームワークに対する評価は、良好な精度とパラメータのトレードオフを実現する。 指向R-CNNにより、SPEANetはDOTA-v1.0で78.55.% mAP、DOTA-v1.5で72.24.% mAP、DIOR-Rで67.30.% mAPを達成した。

関連論文リスト

• Boundary-Aligned Contribution Routing for Robust Optical--SAR Object Detection [8.665369041430969]
  光-SAR融合はリモートセンシングオブジェクト検出に魅力的である。 しかし、不完全な空間的、時間的、意味的な対応は、不完全なストリームを条件付きで有害にすることができる。 我々は,検出監視のみを用いてタスク条件付きコントリビューションルーティングを学習する。
  論文  参考訳（メタデータ） (2026-08-15T14:37:23Z)
• Task-Oriented Candidate-Latent Feedback for Coarse-to-Fine Sensing in Distributed OFDM-ISAC Networks [6.604029885021074]
  将来の統合センシング通信(ISAC)アーキテクチャは、推論を行うセンシング機能(SF)から測定を取得するセンシングエンティティ(SE)を分離する。 単一ターゲット推定のための候補遅延フィードバックを用いた学習に基づく粗大なセンサパイプラインを提案する。
  論文  参考訳（メタデータ） (2026-08-04T08:26:06Z)
• Continual Adaptation: Environment-Conditional Parameter Generation for Object Detection in Dynamic Scenarios [54.58186816693791]
  環境は時間と空間によって常に変化し、クローズドセットの仮定に基づいて訓練された物体検出器にとって重要な課題となる。 そこで本研究では,微調整過程をパラメータ生成に変換する機構を提案する。 特に,2経路LoRAベースのドメイン認識アダプタを最初に設計し,特徴をドメイン不変およびドメイン固有コンポーネントに分解する。
  論文  参考訳（メタデータ） (2025-06-30T17:14:12Z)
• An Efficient Aerial Image Detection with Variable Receptive Fields [0.0]
  3つの鍵成分を組み込んだ変圧器型検出器を提案する。 VRF-DETRは51.4%のmAPtextsubscript50と31.8%のmAPtextsubscript50:95を13.5Mパラメータで達成している。
  論文  参考訳（メタデータ） (2025-04-21T15:16:13Z)
• ALoRE: Efficient Visual Adaptation via Aggregating Low Rank Experts [71.91042186338163]
  ALoREは、Kroneckerによって構築された超複素パラメータ化空間をAggregate Low Rank Expertsに再利用する新しいPETL法である。 巧妙な設計のおかげで、ALoREは無視できる余分なパラメータを保持し、凍ったバックボーンに強制的にマージできる。
  論文  参考訳（メタデータ） (2024-12-11T12:31:30Z)
• RSNet: A Light Framework for The Detection of SAR Ship Detection [10.748210940033484]
  RSNetは、SAR画像における船舶検出を強化する軽量フレームワークである。 Waveletpool-ContextGuided (WCG)は、グローバルなコンテキスト理解を導くバックボーンである。 ウェーブレットプール・スターフュージョン (WSF) は、残っているウェーブレット要素の乗算構造を用いてネックとして導入された。
  論文  参考訳（メタデータ） (2024-10-30T14:46:35Z)
• Systematic Architectural Design of Scale Transformed Attention Condenser DNNs via Multi-Scale Class Representational Response Similarity Analysis [93.0013343535411]
  マルチスケールクラス表現応答類似性分析(ClassRepSim)と呼ばれる新しいタイプの分析法を提案する。 ResNetスタイルのアーキテクチャにSTACモジュールを追加すると、最大1.6%の精度が向上することを示す。 ClassRepSim分析の結果は、STACモジュールの効果的なパラメータ化を選択するために利用することができ、競争性能が向上する。
  論文  参考訳（メタデータ） (2023-06-16T18:29:26Z)
• Semantic-Aligned Matching for Enhanced DETR Convergence and Multi-Scale Feature Fusion [95.7732308775325]
  提案したDetection TRansformer (DETR) は、オブジェクト検出のための完全なエンドツーエンドパラダイムを確立している。 DETRは遅いトレーニング収束に悩まされており、様々な検出タスクの適用性を妨げている。 我々は,DETRの収束を加速し,検出性能を向上させるためにセマンティック・アラインド・マッチDreTR++を設計する。
  論文  参考訳（メタデータ） (2022-07-28T15:34:29Z)
• Recurrent Glimpse-based Decoder for Detection with Transformer [85.64521612986456]
  本稿では,Recurrent Glimpse-based deoder (REGO)について紹介する。 特に、REGOは多段階のリカレント処理構造を用いて、DETRの注目が徐々に前景オブジェクトに焦点を合わせるのを助ける。 REGOは、異なるDETR検出器の性能を最大7%向上させる。
  論文  参考訳（メタデータ） (2021-12-09T00:29:19Z)
• Augmented Parallel-Pyramid Net for Attention Guided Pose-Estimation [90.28365183660438]
  本稿では、注意部分モジュールと微分可能な自動データ拡張を備えた拡張並列ピラミドネットを提案する。 我々は、データ拡張のシーケンスをトレーニング可能なCNNコンポーネントとして定式化する新しいポーズ検索空間を定義する。 特に,本手法は,挑戦的なCOCOキーポイントベンチマークとMPIIデータセットの最先端結果において,トップ1の精度を実現する。
  論文  参考訳（メタデータ） (2020-03-17T03:52:17Z)

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。