文献

J-GLOBAL ID：202202253471771951   整理番号：22A1003138

マルチチャネル注意力を組み合わせたリモートセンシング画像航空機ターゲット検出【JST・京大機械翻訳】

Remote Sensing Image Aircraft Target Detection Combined with Multiple Channel Attention

著者 (5件)： Li Jie (湖北工業大学 電气与電子工程学院,武漢 430068) ,  Zhou Shun (湖北工業大学 電气与電子工程学院,武漢 430068) ,  Zhu Xinchao (湖北工業大学 電气与電子工程学院,武漢 430068) ,  Li Yi (湖北工業大学 電气与電子工程学院,武漢 430068) ,  Wang Enguo (湖北工業大学 電气与電子工程学院,武漢 430068)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 58  号： 1  ページ： 209-217  発行年： 2022年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： スケールが多様化し,ターゲットが密集し,画像品質が悪いリモートセンシング画像上の航空機目標識別精度が低いという問題に対して,平行層特徴共有構造と注意力機構を結合したリモートセンシング航空機目標自動検出モデルAFF-CenterNetを提案した。方法は「符号化-復号化」の主幹ネットワーク構造を採用し、ResNet50で基礎特徴抽出を行う。空洞コンボリューションと注意力拘束の平行層特徴共有構造を導入して特徴融合を行い、有効にアルゴリズムの特徴抽出能力を高めた。UCAS-AODとRSODの公的リモートセンシングデータセットで別々に実験を行い、検出精度が96.78%に達し、FasterR-CNN、SSD、YOLOv5sと元のCenterNetアルゴリズムに比べ、それぞれ6.2、7.2、1向上した。48と16ポイント。実験結果は,このAFF-CenterNetアルゴリズムが,CenterNetの小ターゲットの特性化能力を最大化し,リモートセンシング画像における航空機の検出精度を効果的に向上させ,リモートセンシング画像航空機の高速検出を実現するのに役立つことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  検出 ,  *ターゲット ,  畳込み ,  *航空機 ,  特徴抽出 ,  精度 ,  *画像 ,  ネットワーク構造 ,  復号化 ,  物体認識 ,  画質 ,  *リモートセンシング ,  モデル
準シソーラス用語： *リモートセンシング画像 ,  特徴融合 , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： マルチチャネル ,  注意力 ,  リモートセンシング画像 ,  航空機 ,  ターゲット検出