文献

J-GLOBAL ID：202202266527918067   整理番号：22A0202739

LO-Det:リモートセンシング画像における軽量指向オブジェクト検出【JST・京大機械翻訳】

LO-Det: Lightweight Oriented Object Detection in Remote Sensing Images

著者 (6件)： Huang Zhanchao (School of Information and Electronics, Beijing Institute of Technology, Beijing, China) ,  Li Wei (School of Information and Electronics, Beijing Institute of Technology, Beijing, China) ,  Xia Xiang-Gen (Department of Electrical and Computer Engineering, University of Delaware, Newark, DE, USA) ,  Wang Hao (School of Information and Electronics, Beijing Institute of Technology, Beijing, China) ,  Jie Feiran (Luoyang Institute of Electro-Optical Equipment, Aviation Industry Corporation of China, Ltd., Luoyang, China) ,  Tao Ran (School of Information and Electronics, Beijing Institute of Technology, Beijing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5603515.1-15  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： いくつかの軽量畳込みニューラルネットワーク(CNN)モデルを,リモートセンシングオブジェクト検出(RSOD)のために最近設計した。しかし,それらの殆どは,積層分離可能畳込み(SConvs)を有するバニラ畳込みを単純に置換し,それは多くの精度損失のために効率的でなく,配向境界ボックス(OBBs)を検出できないかもしれない。また,既存のOBB検出法は,CNNによって予測された物体の形状を正確に制約するのが難しい。本論文では,効果的な軽量指向物体検出器(LO-Det)を提案した。特に,チャネル分離-凝集(CSA)構造を設計して,SConvsの複雑性を単純化し,動的受容場(DRF)機構を開発し,ネットワーク複雑度を縮小するとき,畳込みカーネルとその知覚範囲を動的にカスタム化することにより高精度を維持した。CSA-DRF成分は,高精度を維持しながら効率を最適化する。次に,対角サポート制約ヘッド(DSC-Head)コンポーネントを設計して,OBBを検出し,それらの形状をより正確に,そして,安定して制約した。公開データセットに関する大規模な実験は,提案したLO-Detが,配向オブジェクトの検出の競合精度を有する組込みデバイス上でさえ非常に高速に実行できることを示した。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： 凝集 ,  最適化 ,  畳込み ,  簡素化 ,  ネットワーク ,  バニラ ,  *リモートセンシング ,  検出法 ,  チャネル ,  カスタム化
準シソーラス用語： *物体検出 ,  複雑性 ,  複雑度 ,  *リモートセンシング画像 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： DET ,  リモートセンシング画像 ,  軽量 ,  オブジェクト検出