文献

J-GLOBAL ID：202202246236357478   整理番号：22A0202729

有向オブジェクト検出のための深層特徴のアラインメント【JST・京大機械翻訳】

Align Deep Features for Oriented Object Detection

著者 (4件)： Han Jiaming (State Key Laboratory LIESMARS, Institute of Artificial Intelligence, Wuhan University, Wuhan, China) ,  Ding Jian (State Key Laboratory LIESMARS, Institute of Artificial Intelligence, Wuhan University, Wuhan, China) ,  Li Jie (Shanghai Aerospace Electronic Technology Institute, Shanghai, China) ,  Xia Gui-Song (National Engineering Research Center for Multimedia Software, School of Computer Science, Institute of Artificial Intelligence, Wuhan University, Wuhan, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5602511.1-11  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： 過去10年は,大規模変動と任意方位でしばしば分布する空中画像における物体検出に関する著しい進展を目撃した。しかしながら,既存の方法の大部分は,異なるスケール,角度,およびアスペクト比を有する発見的に定義されたアンカーに依存し,通常,アンカーボックス(AB)と軸整列畳込み特徴の間の厳しい不整合に悩まされ,分類スコアと局所化精度の間の共通不整合をもたらす。この問題に取り組むために,2つのモジュールから成る単一ショットアラインメントネットワーク(S2A-Net)を提案する:特徴アラインメントモジュール(FAM)と配向検出モジュール(ODM)。FAMはアンカー精密化ネットワークで高品質アンカーを生成し,新しいアラインメント畳込みでABsに従って畳み込み特徴を適応的に調整する。ODMは最初にアクティブ回転フィルタを採用して,方向情報を符号化して,次に,分類スコアと位置確認精度の間の不整合を軽減するために,方位感受性および方向不変特徴を生成した。さらに,著者らは,さらに,速度と精度の間のより良いトレードオフをもたらす,大規模画像におけるオブジェクトを検出する方法を探究した。大規模な実験は,著者らの方法が,高効率を維持しながら,2つの一般的に使用される空中オブジェクトデータセット(即ち,DOTAとHRSC2016)に関する最先端の性能を達成できることを実証した。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： *アラインメント ,  畳込み ,  ネットワーク ,  アスペクト比 ,  感受性 ,  位置決め ,  不整合 ,  精密化 ,  深層
準シソーラス用語： 高効率 ,  *物体検出 ,  局在化 ,  高品質 ,  空中画像 , 【Automatic Indexing@JST】

分類 (3件)： 計算機網  (JC03000K) ,  その他の通信応用  (ND15000K) ,  分子・遺伝情報処理  (JE15040B)

物質索引 (1件)： DOTA

タイトルに関連する用語 (3件)： オブジェクト検出 ,  深層 ,  アラインメント