文献

J-GLOBAL ID：202202262808602502   整理番号：22A0788047

特徴融合と改良型計量の遠隔センシング画像におけるオブジェクト検出【JST・京大機械翻訳】

Object Detection in Remote Sensing Images entrenched Feature Fusion and Improved metric

著者 (4件)： Li Bo (Taiyuan University of Technology School of Big Data,Jinzhong,Shanxi,China) ,  Li Zhiying (Taiyuan University of Technology School of Big Data,Jinzhong,Shanxi,China) ,  Shi Juncai (Taiyuan University of Technology School of Big Data,Jinzhong,Shanxi,China) ,  Liu Ping (Taiyuan University of Technology School of Big Data,Jinzhong,Shanxi,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCECE  ページ： 197-202  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： 光学リモートセンシング画像(ORSI)オブジェクト検出の主目的は,与えられた画像におけるすべてのターゲットの領域およびクラスを確かめることである。今日,深層学習から確立された物体検出法は,ORSIからの情報の解析に次第に適用されている。しかし,ORSIにおいて示された広範なオブジェクトスケールと同様に,化合物バックグラウンドのため,オブジェクト検出の困難さは,増加した。まだ解決すべきいくつかの課題がある。最初に,2つの境界ボックスが重複しないとき,結合(IoU)上の交差のような現在のインデックスは,それらの間の距離を同定できない。第2に,畳み込みニューラルネットワーク(CNN)を用いた既存の方法は,これらの方法が小型物体の認識において非常に良くないように,マルチレベル特徴の特性を利用することができなかった。これらの問題を取り扱うために,本論文は,IoUと比較して,マルチレベル特徴融合と改良境界ボックス回帰に関して確立したORSIオブジェクト検出方式によって上がった。最初に,統合交差(GIoU)と呼ばれる新しい測度を実践した。計量は,それらが重複するかどうかにかかわらず,類似性の2つの境界ボックスを測定できた。同時に,損失としてGIoUを直接使用した。最後に,マルチレベル特徴融合構造を実行し,既存の畳込みニューラルネットワークに統合した。この方法で,著者らの方法はマルチレベル特徴を利用することができた。Diorと呼ばれる大規模データセットのベースラインアプローチによる対処法の定量的比較を行った。最も進んだ方法との比較は,著者らの方法が最も進んだ性能に達することを示した。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： *測度 ,  類似性 ,  基準線
準シソーラス用語： マルチレベル ,  *物体検出 ,  *リモートセンシング画像 ,  *特徴融合 ,  大規模データセット ,  光学リモートセンシング ,  深層学習 ,  畳込みニューラルネットワーク , 【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 (4件)： 特徴融合 ,  計量 ,  遠隔センシング画像 ,  オブジェクト検出