文献

J-GLOBAL ID：202202231797056597   整理番号：22A0554527

二重注意機構下の大規模シーンリモートセンシング画像におけるマルチサイズオブジェクト検出【JST・京大機械翻訳】

Multi-Size Object Detection in Large Scene Remote Sensing Images Under Dual Attention Mechanism

著者 (6件)： Wang Jinkang (Department of Mechanical Engineering, College of Field Engineering, Army Engineering University of PLA, Nanjing, China) ,  He Xiaohui (Department of Mechanical Engineering, College of Field Engineering, Army Engineering University of PLA, Nanjing, China) ,  Faming Shao (Department of Mechanical Engineering, College of Field Engineering, Army Engineering University of PLA, Nanjing, China) ,  Lu Guanlin (Department of Mechanical Engineering, College of Field Engineering, Army Engineering University of PLA, Nanjing, China) ,  Jiang Qunyan (Department of Mechanical Engineering, College of Field Engineering, Army Engineering University of PLA, Nanjing, China) ,  Hu Ruizhe (Department of Mechanical Engineering, College of Field Engineering, Army Engineering University of PLA, Nanjing, China)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 8021-8035  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 大きなシーンにおけるリモートセンシング画像は複雑なバックグラウンドを持ち,ターゲットの型,サイズ,姿勢は異なり,リモートセンシング画像の物体検出は困難であった。この問題を解決するために,二重注意機構に基づくエンドツーエンドマルチサイズオブジェクト検出法を提案した。最初に,モバイルNetsバックボーンネットワークを用いて,MFCAの入力としてリモートセンシング画像の多層特徴を抽出した。MFCAは,ノイズを抑えるために注意機構を採用して,効果的特性再利用を強化して,多層畳込み操作を通してマルチサイズ目標特性へのネットワークの適応性を改良した。次に,TSDFF(2段階深層特徴融合モジュール)は,特徴集合間の相関を最大化するためにMFCAによって特徴マップ出力を深く融合し,特に小ターゲットの特性表現を改善する。次に,GLCNet(グローバル局所コンテキストネットワーク)とSSA(有意単純注意モジュール)は,融合特徴を区別して,有用なチャネル情報を選別して,検出した特徴をより代表的にした。最後に,損失関数を改良して,候補フレームと実フレームの間の差異を真に反映し,複雑なサンプルを予測するネットワークの能力を強化した。提案手法の性能を,NUPU VHR-10,DOTA,RSODオープンデータセットに関する他の先進アルゴリズムと比較した。実験結果は,著者らの提案方法が最良のAP(平均精度)とmAP(平均精度)を達成して,この方法が高適応性でマルチタイプ,マルチサイズ,およびマルチ姿勢ターゲットを正確に検出できることを示した。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： アルゴリズム ,  雑音 ,  畳込み ,  損失関数 ,  *ネットワーク ,  適応性 ,  基幹回線 ,  再利用 ,  深層 ,  多層 ,  チャネル ,  携帯電話
準シソーラス用語： *物体検出 ,  特徴マップ ,  *リモートセンシング画像 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 注意 ,  大規模 ,  シーン ,  リモートセンシング画像 ,  マルチ ,  サイズ ,  オブジェクト検出