文献

J-GLOBAL ID：202202231442227724   整理番号：22A0780268

SAR画像における船舶検出のための配向を意識した特徴融合ネットワーク【JST・京大機械翻訳】

Orientation-Aware Feature Fusion Network for Ship Detection in SAR Images

著者 (3件)： Zhao Ming (Department of Information Engineering, Shanghai Maritime University, Shanghai, China) ,  Shi Jiaxian (Department of Information Engineering, Shanghai Maritime University, Shanghai, China) ,  Wang Yongjian (National Computer Network Emergency Response Technical Team/Coordination Center of China, Beijing, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.4504705.1-5  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： 最近,深層学習法が合成開口レーダ(SAR)画像における船舶検出にうまく適用されてきた。非常に貧弱な画像品質と複雑な背景のため,SAR船舶を検出する大きな挑戦である。問題を解決するために,SAR画像における船舶検出のための方向意識特徴融合ネットワーク(OFF-Net)という新規な方法を,このレターにおいて提案する。OFF-Netは,グローバル文脈経路集約(GCPA)モジュールと局所回転コントラスト強化(LRCE)モジュールから成り,それは特徴抽出におけるグローバルおよび局所的情報を融合する。最初に,グローバル背景情報を学習するために,GCPAモジュールを経路集合ネットワーク(PAN)とグローバルコンテキストブロックを統合するために調査した。第2に,4つの方向による特徴マップ循環シフトに基づく回転方式を設計することによって,LRCEモジュールを開発して,SAR画像における目標を強化して,バックグラウンドクラッタを抑制した。最後に,任意に回転した船をよりロバストに処理し,検出中の分類と回帰タスクの間の衝突を軽減するために,分離方向意識ヘッドを提案した。さらに,回転可能な境界ボックスを有する高分解能SAR-船舶検出データセット(OBB-HRSDD)を提供した。SAR船舶検出データセット(SSDD+)とOBB-HRSDDに関する検出結果は,著者らの方法がすべての比較方法より優れていることを示した。コードとOBB-HRSDDはhttps://github.com/SJX152/papercodeで放出される。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： 検出 ,  コントラスト ,  *ネットワーク ,  *船舶 ,  特徴抽出 ,  *画像 ,  画質 ,  クラッタ ,  高分解能 ,  合成開口レーダ ,  ロバスト性 ,  *データ融合
準シソーラス用語： *SAR画像 ,  特徴マップ ,  *特徴融合 ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  レーダ  (ND13010H)

タイトルに関連する用語 (5件)： SAR画像 ,  船舶 ,  配向 ,  意識 ,  特徴融合