文献

J-GLOBAL ID：202202247643997756   整理番号：22A1087907

リモートセンシング細長および回転ターゲット検出における改良型YOLOv5【JST・京大機械翻訳】

Improved YOLOv5 in Remote Sensing Slender and Rotating Target Detection

著者 (2件)： Bo Zhong (College of Computer Science and Technology Chongqing University of Posts and Telecommunications,Chongqing,China) ,  Luyuan Yang (College of Computer Science and Technology Chongqing University of Posts and Telecommunications,Chongqing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： EEBDA  ページ： 918-923  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 遠隔観測画像のための深層学習ベースの物体検出法は,ほとんどのターゲットに関して非常に高い精度を達成したが,ブリッジや港湾のようなリモートセンシング画像における細長で回転するターゲットは例外的である。この問題は,あらかじめ定義されたアンカーボックスが,これらのターゲットをうまくカバーできないことである。したがって,本研究では,リモートセンシング画像における細長回転ターゲットをよりよく検出するために,改良YOLOv5モデルを提案した。最初に,入力画像のサイズは,ターゲットの完全性を維持するために2倍になった。第2に,変形可能畳込み(DCN)を,特徴のカバレッジを増加させるために特徴抽出の間,バックボーンネットワークに適用して,細長回転ターゲットを抽出する間,バックグラウンドによって中断を減少する。最後に,境界ボックスの長さと幅に加えて,境界ボックスのアスペクト比を損失関数に加え,細長回転ターゲットの一意性の重要性を強調し,予測精度を,正確に改善した。3つの修正を,それぞれYOLOv5モデルおよびDOTAデータセットに適用した。結果は,提案した方式がリモートセンシング画像における細長と回転目標をよりよく検出することができ,橋と港湾のための精度を,それぞれ52.1%と75.16%に改善したことを示した。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： 畳込み ,  損失関数 ,  港湾 ,  アスペクト比 ,  特徴抽出 ,  基幹回線 ,  *リモートセンシング ,  一意性 ,  完全性
準シソーラス用語： 予測精度 ,  物体検出 ,  ターゲット検出 ,  リモートセンシング画像 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： リモートセンシング ,  ターゲット検出