文献

J-GLOBAL ID：202202218855943185   整理番号：22A0397892

二段階微調整によるリモートセンシング画像の少数ショット物体検出【JST・京大機械翻訳】

Few-Shot Object Detection of Remote Sensing Images via Two-Stage Fine-Tuning

著者 (4件)： Zhao Zhitao (Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Tang Ping (Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Zhao Lijun (Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Zhang Zheng (Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.8021805.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
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： 近年,リモートセンシング画像の物体検出に多くの発展があった。しかし,これらの深い畳み込みニューラルネットワーク(CNN)モデルは,常に多数のラベル付きサンプルを要求するが,これは,希少カテゴリの性能の大幅な減少をもたらす。最近,少数ショット学習の微調整ベースの方法がコンピュータビジョンの分野で注目されている。本レターでは,高速領域CNN(R-CNN)アーキテクチャ上に構築されるリモートセンシング画像のためのマルチスケール数ショットオブジェクト検出手法を提案した。最初に,著者らは,特徴抽出器の分類能力を強化するインボリューションオペレータを有する検出器の全バックボーンを構築した。次に,提案検出器は,ボトムアップフローにより情報伝送経路を短縮し,位置決めのための低レベル特徴の意味情報を用いて,経路集合モジュールの助けを借りてマルチスケール特徴を学習する。最後に,訓練フェーズにおける検出器における形状バイアスを増加させ,さらにモデルのロバスト性と性能を改善した。2つの光学リモートセンシングデータセットに関する実験は,提案した方法がリモートセンシング分野における現在の少数ショット検出モデルより優れていることを実証した。Copyright 2022 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： 学習 ,  特徴抽出 ,  位置決め ,  *リモートセンシング ,  検出器 ,  粒状材 ,  バイアス ,  コンピュータビジョン ,  計算機アーキテクチャ ,  ロバスト性
準シソーラス用語： マルチスケール ,  *物体検出 ,  ボトムアップ ,  *リモートセンシング画像 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 段階 ,  微調整 ,  リモートセンシング画像 ,  ショット ,  物体検出