論文の概要: Traditional and Recent Approaches for Infrared Small Target Detection : Overview, Challenges and Perspectives (Part 1)
- arxiv url: http://arxiv.org/abs/2610.18276v2
- Date: Wed, 21 Oct 2026 15:19:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 09:50:43.128573
- Title: Traditional and Recent Approaches for Infrared Small Target Detection : Overview, Challenges and Perspectives (Part 1)
- Title（参考訳）: 赤外線小ターゲット検出の従来的・最近の動向 : 概観・課題・展望(その1)
- Abstract要約: 本研究の目的は,赤外線小目標検出における従来および最近のアプローチの完全な調査を行うことである。
本論文では, 数学モデル, 機械学習モデル, 信号処理モデルといった, モデリングモデルの観点から, 文献のさまざまなアプローチを分類する。
さらに、利用可能なリソース、データセット、ライブラリも提示する。
- 参考スコア（独自算出の注目度）: 9.0730501904152
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Infrared small target detection is often used in different civilian and military applications to detect static or moving targets in scenes like in ground, air and sea surveillance. Research in this field started more than three decades ago, and the last two decades have witnessed very significant publications in this field following the rise of low-rank and sparse decomposition (model-based methods) and deep learning models (data-based methods). Furthermore, several surveys can be found in the literature but none of them addresses an overall review in this field. In this context, the aim of this paper is to provide a complete survey of the traditional and recent approaches in infrared small target detection. First, we categorize the different approaches found in the literature in terms of the modeling models, i.e mathematical models, machine learning models and signal processing models. Then, we have discussed them in terms of the critical situations that they claim to handle. Furthermore, we present the available resources, datasets and libraries. Then, we conclude with several promising directions for future research. For the sake of reading, this survey is divided into two parts: 1) "Traditional and Recent Approaches for Infrared Small Target Detection: Overview, Challenges and Perspectives (Part 1)" about conventional and low-rank and sparse decomposition (model-based methods), and 2) "Traditional and Recent Approaches for Infrared Small Target Detection: Overview, Challenges and Perspectives (Part 2)" about deep learning models (data-based methods).
- Abstract（参考訳）: 赤外線小目標検出は、地上、航空、海洋監視などの場面で静的または動いた標的を検出するために、様々な民間や軍事用途でしばしば用いられる。
この分野での研究は30年以上前に始まり、低ランクでスパースな分解(モデルに基づく手法)とディープラーニングモデル(データに基づく手法)が台頭した後、過去20年間、この分野で非常に重要な出版物を目撃してきた。
さらに、文献にはいくつかの調査があるが、いずれもこの分野の全体的なレビューには対処していない。
本研究の目的は,赤外線小目標検出における従来的,近年のアプローチを網羅的に調査することである。
まず,数学モデル,機械学習モデル,信号処理モデルといったモデルモデルの観点から,文献のさまざまなアプローチを分類する。
そして、彼らが対処すると主張する重要な状況に関して、それらについて議論しました。
さらに、利用可能なリソース、データセット、ライブラリも提示する。
そして、今後の研究に向けて、いくつかの有望な方向性をまとめる。
読解のために、この調査は2つの部分に分けられる。
1)「赤外小ターゲット検出の試行的・最近の取り組み-概観・課題・展望(その1)-従来・低ランク・スパース分解(モデルベース手法)について-
2) 深層学習モデル(データベース手法)に関する「赤外小ターゲット検出の試行的・最近のアプローチ-概観・課題・展望(第2報)
関連論文リスト
- Unsupervised and Supervised Approaches for Infrared Small Target Detection : Overview, Challenges and Perspectives (Part 2) [9.0730501904152]
本稿では,赤外線小ターゲット検出における深層学習モデルの完全な調査を行う。
まず、戦略のモデル化モデルの観点から、文献に見られる異なるアプローチを分類する。
さらに,その性能評価について述べる。
論文 参考訳（メタデータ） (2026-10-13T12:41:12Z) - Deep learning based infrared small object segmentation: Challenges and future directions [29.48971427905328]
赤外線センシングは、自動運転車やドローンのような無人システムをサポートするための中核的な方法である。
深層学習は赤外線画像の物体認識に応用されている。
本稿では,この領域における既存の手法を批判的に分析し,未解決課題を特定し,今後の研究指針を提供する。
論文 参考訳（メタデータ） (2025-02-20T00:35:14Z) - A Comprehensive Review of Few-shot Action Recognition [64.47305887411275]
アクション認識は、複雑で可変なビデオデータを手動でラベル付けすることのコストと非現実性に対処することを目的としている。
ビデオ中の人間のアクションを正確に分類するには、クラスごとにいくつかのラベル付き例だけを使用する必要がある。
多くのアプローチが、数発のアクション認識において顕著な進歩を導いている。
論文 参考訳（メタデータ） (2024-07-20T03:53:32Z) - Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。
また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
論文 参考訳（メタデータ） (2024-05-13T14:44:22Z) - Small and Dim Target Detection in IR Imagery: A Review [9.941925002794262]
これは、赤外線画像における小型および薄型ターゲット検出の分野における最初のレビューである。
主なアプローチには、複数のフレームを使用して検出する手法と、単一フレームベースの検出技術がある。
この結果から,ディープラーニングアプローチは従来の画像処理手法よりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2023-11-27T22:25:46Z) - Recent Few-Shot Object Detection Algorithms: A Survey with Performance
Comparison [54.357707168883024]
Few-Shot Object Detection (FSOD)は、人間の学習能力を模倣する。
FSODは、学習した汎用オブジェクトの知識を共通のヘビーテールから新しいロングテールオブジェクトクラスにインテリジェントに転送する。
本稿では,問題定義,共通データセット,評価プロトコルなどを含むFSODの概要を紹介する。
論文 参考訳（メタデータ） (2022-03-27T04:11:28Z) - Few-Shot Object Detection: A Survey [4.266990593059534]
オブジェクト検出は、ターゲットドメイン内の新しいカテゴリの少数のオブジェクトインスタンスから学ぶことを目的としている。
トレーニング手法とアーキテクチャレイアウトに応じてアプローチを分類する。
一般的なデータセットとその評価プロトコルを導入し,ベンチマーク結果を解析する。
論文 参考訳（メタデータ） (2021-12-22T07:08:53Z) - A Comparative Review of Recent Few-Shot Object Detection Algorithms [0.0]
ラベル付きデータで新しいクラスに適応するために学習するオブジェクトの少ない検出は、命令的で長期にわたる問題である。
近年の研究では、ターゲットドメインを監督せずに追加データセットに暗黙の手がかりを使って、少数のショット検出器が堅牢なタスク概念を洗練させる方法が研究されている。
論文 参考訳（メタデータ） (2021-10-30T07:57:11Z) - Weakly Supervised Object Localization and Detection: A Survey [145.5041117184952]
オブジェクトのローカライゼーションと検出は、新しい世代のコンピュータビジョンシステムを開発する上で重要な役割を果たす。
本稿では,(1)古典的モデル,(2)既成の深層ネットワークの特徴表現を用いたアプローチ,(3)ディープラーニングのみに基づくアプローチ,(4)この分野で広く利用されている公開データセットと標準評価指標についてレビューする。
この分野における重要な課題、この分野の開発履歴、各カテゴリーの手法の利点/欠点、異なるカテゴリーの方法間の関係、弱い監督対象のローカリゼーションおよび検出方法の適用、およびこの研究分野の開発をさらに促進するための潜在的な将来の方向性について議論します。
論文 参考訳（メタデータ） (2021-04-16T06:44:50Z)
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。