文献

J-GLOBAL ID：202102229786498261   整理番号：21A0670237

空中画像オブジェクト検出におけるサンプル品質を改善するための多段ネットワーク【JST・京大機械翻訳】

A Multi-stage Network for Improving the Sample Quality in Aerial Image Object Detection

著者 (5件)： Han Wei (Hubei Key Laboratory of Intelligent Geo-Information Processing, China University of Geosciences,Wuhan,P.R.China,430078) ,  Feng Ruyi (Hubei Key Laboratory of Intelligent Geo-Information Processing, China University of Geosciences,Wuhan,P.R.China,430078) ,  Wang Lizhe (Hubei Key Laboratory of Intelligent Geo-Information Processing, China University of Geosciences,Wuhan,P.R.China,430078) ,  Li Fengpeng (Hubei Key Laboratory of Intelligent Geo-Information Processing, China University of Geosciences,Wuhan,P.R.China,430078) ,  Wu Lin (Key Laboratory of Geological Survey and Evaluation of the Ministry of Education, China University of Geosciences,Wuhan,P.R.China,430074)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IGARSS  ページ： 4076-4079  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 高分解能リモートセンシング(HRRS)画像オブジェクトのための理想的な検出器を実施するための不十分な高品質訓練サンプルの問題に焦点を合わせて,著者らは,再サンプリングの段階的戦略を適用するために多段ベースの検出器を適用し,それは,正の訓練集合の量を保証して,過剰適合を最小にする。この方法は,異なる区間(IoU)閾値によって選択したサンプルに関する回帰ヘッド訓練のシーケンスを有した。多数の陽性サンプルによって訓練された低いIoU閾値を有する最初のヘッドは,残りの枝のためにより高品質なサンプルを調製することができる。IoU閾値の増加による後続のヘッドは,より豊富な陽性サンプルに訓練し,正確な検出器を実行し,過剰適合の問題を避ける。提案方法は,最良のmAP値に達し,比較方法を約10%凌駕した。実験結果は,著者らの方法が検出性能を著しく改良して,高品質のサンプルを欠く問題を解決することができることを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  リモートセンシング ,  検出器 ,  高分解能
準シソーラス用語： 比較法 ,  リサンプリング ,  *物体検出 ,  検出能 ,  高品質 ,  *空中画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 空中画像 ,  オブジェクト検出 ,  サンプル ,  多段