文献

J-GLOBAL ID：202202241220608196   整理番号：22A0397530

リモートセンシング画像における物体検出のための高分解能極性ネットワーク【JST・京大機械翻訳】

High-Resolution Polar Network for Object Detection in Remote Sensing Images

著者 (4件)： He Xu (School of Aeronautical Engineering, Air Force Engineering University, Xi’an, China) ,  Ma Shiping (School of Aeronautical Engineering, Air Force Engineering University, Xi’an, China) ,  He Linyuan (School of Aeronautical Engineering, Air Force Engineering University, Xi’an, China) ,  Ru Le (School of Aeronautical Engineering, Air Force Engineering University, Xi’an, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.6000605.1-5  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： 物体検出は,光学リモートセンシング画像解析の重要な研究ブランチと見なされる。方向多様性,小スケール,および高密度配列のようなリモートセンシング画像ターゲットの特性を目的として,光学リモートセンシング画像で使用される最先端の検出器を,深畳込みニューラルネットワーク(DCNN)に基づくいくつかの一般的自然検出手法から主として拡張した。それにもかかわらず,リモートセンシングターゲットを意図した検出器は,一般的にアンカー機構に基づいており,複雑な多角アンカ,傾斜非最大抑制(NMS)などを必要とするデカルト座標系における回帰タスクを実行する。本レターでは,リモートセンシング画像のターゲットを検出するために高分解能極ネットワーク(HRPNet)を提案した。アンカーフリーおよび高分解能検出ネットワークとして,HRPNetは,極性座標における対応する極点における1つの極角および4つの極半径の回帰に,配向結合ボックスの検出を変換し,そしてそれは,計算複雑性を劇的に減少させた。広範な実験によって明らかにされたように,提案したHRPNetはDOTAとHRRSDデータセットに対して競合的な利点を示した。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： 極性 ,  *ネットワーク ,  計算量 ,  *リモートセンシング ,  検出器 ,  画像分析 ,  *高分解能 ,  直角座標
準シソーラス用語： *物体検出 ,  高密度 ,  *リモートセンシング画像 ,  光学リモートセンシング ,  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)

物質索引 (1件)： DOTA

タイトルに関連する用語 (4件)： リモートセンシング画像 ,  物体検出 ,  高分解能 ,  極性