論文の概要: Traditional and Recent Approaches for Infrared Small Target Detection : Overview, Challenges and Perspectives (Part 2)

• arxiv url: http://arxiv.org/abs/2610.18291v2
• Date: Wed, 21 Oct 2026 15:36:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:05.946374
• Title: Traditional and Recent Approaches for Infrared Small Target Detection : Overview, Challenges and Perspectives (Part 2)
• 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2)
• Abstract要約: 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,本論文で見いだされる様々なアプローチを,モデリング戦略の観点から分類する。 そして、それ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: Since the rise of supervised deep learning models, researchers have attempted to solve infrared small target detection using various models like convolutional neural networks, GANs, Transformers, Mixture of Experts and recent graph/hypergraph neural networks. Moreover, these deep neural network methods have surpassed the traditional unsupervised models and the low-rank and sparse decomposition unsupervised models reviewed in "Traditional and Recent Approaches for Infrared Small Target Detection : Overview, Challenges and Perspectives (Part 1)". In this context, the aim of this paper is to provide a complete survey of the deep learning models in infrared small target detection. First, we categorize the different approaches found in the literature in terms of their modeling strategies. Then, we discuss them in terms of the critical situations that they claim to handle. Furthermore, we present the specific performance evaluation protocols. Then, we conclude with several promising directions for future research.
• Abstract（参考訳）: 教師付きディープラーニングモデルの台頭以来、研究者たちは畳み込みニューラルネットワーク、GAN、トランスフォーマー、Mixture of Experts、最近のグラフ/ハイパーグラフニューラルネットワークといった様々なモデルを使用して、赤外線による小さなターゲット検出を解決しようと試みてきた。 さらに、これらのディープニューラルネットワーク手法は、従来の教師なしモデルと、"Traditional and recent Approachs for Infrared Small Target Detection : Overview, Challenges and Perspectives"でレビューされた、教師なしモデルと、低ランクかつスパースな非教師付きモデルを上回っている(第1報)。 本研究の目的は,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ことである。 まず,本論文で見いだされる様々なアプローチを,モデリング戦略の観点から分類する。 そして、それ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する。 さらに,性能評価プロトコルについて述べる。 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。

関連論文リスト

• Traditional and Recent Approaches for Infrared Small Target Detection : Overview, Challenges and Perspectives (Part 1) [9.0730501904152]
  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。 本稿では、モデリングモデル、機械学習モデル、信号処理モデルの観点から、文献で見られる様々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。
  論文  参考訳（メタデータ） (2026-10-13T12:31:14Z)
• 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)
• Cross-Target Stance Detection: A Survey of Techniques, Datasets, and Challenges [7.242609314791262]
  クロスターゲットスタンス検出(クロスターゲットスタンス検出)は、テキストで表現された視点を所定のターゲットに向けて決定するタスクである。 オンラインの視点や意見の分析やマイニングの必要性が高まる中、このタスクは近年大きな関心を集めている。 本総説では,過去10年間の目標間姿勢検出の進歩について検討する。
  論文  参考訳（メタデータ） (2024-09-20T15:49:14Z)
• Diffusion Models in Low-Level Vision: A Survey [82.77962165415153]
  拡散モデルに基づくソリューションは、優れた品質と多様性のサンプルを作成する能力で広く称賛されている。 本稿では,3つの一般化拡散モデリングフレームワークを提案し,それらと他の深層生成モデルとの相関関係について検討する。 医療、リモートセンシング、ビデオシナリオなど、他のタスクに適用された拡張拡散モデルについて要約する。
  論文  参考訳（メタデータ） (2024-06-17T01:49:27Z)
• Automatic Discovery of Visual Circuits [66.99553804855931]
  本稿では,視覚モデルにおける視覚的概念の認識の基盤となる計算グラフのサブグラフを抽出するスケーラブルな手法について検討する。 提案手法は, モデル出力に因果的に影響を及ぼす回路を抽出し, これらの回路を編集することで, 敵攻撃から大きな事前学習モデルを守ることができることがわかった。
  論文  参考訳（メタデータ） (2024-04-22T17:00:57Z)
• Rule-Extraction Methods From Feedforward Neural Networks: A Systematic Literature Review [1.1510009152620668]
  ルールは、ニューラルネットワークを説明する透過的で直感的な手段を提供する。 この研究は、特にフィードフォワードネットワークに教師付き学習とクリップルールで対処する。 今後の作業は、他のネットワークタイプ、機械学習メソッド、ファジィルール抽出にまで拡張できる。
  論文  参考訳（メタデータ） (2023-12-20T09:40:07Z)
• Entity-Conditioned Question Generation for Robust Attention Distribution in Neural Information Retrieval [51.53892300802014]
  教師付きニューラル情報検索モデルでは,通過トークンよりも疎注意パターンを学習することが困難であることを示す。 目的とする新しい合成データ生成手法を用いて、与えられた通路内の全てのエンティティに対して、より均一で堅牢な参加をニューラルIRに教える。
  論文  参考訳（メタデータ） (2022-04-24T22:36:48Z)
• Explainable Adversarial Attacks in Deep Neural Networks Using Activation Profiles [69.9674326582747]
  本稿では,敵対的事例に基づくニューラルネットワークモデルを検討するためのビジュアルフレームワークを提案する。 これらの要素を観察することで、モデル内の悪用領域を素早く特定できることを示す。
  論文  参考訳（メタデータ） (2021-03-18T13:04:21Z)
• Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
  本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。 このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。 高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-27T03:17:20Z)

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。