文献

J-GLOBAL ID：202202273425699006   整理番号：22A0965741

方向付きオブジェクト検出のための交差点オーバユニオン意識およびスケール意識損失を有するアンカー制約精密化ネットワーク【JST・京大機械翻訳】

Anchor constrained refinement network with Intersection-over-Union-aware and scale-aware loss for oriented object detection

著者 (5件)： Wu Qin (Jiangnan University, Department of Computer Science, Wuxi, China) ,  Wu Qin (Jiangnan University, Jiangsu Provincial Engineering Laboratory of Pattern Recognition and Computational Intelligence, Wuxi, China) ,  Yao Zikang (Jiangnan University, Department of Computer Science, Wuxi, China) ,  Chai Zhilei (Jiangnan University, Department of Computer Science, Wuxi, China) ,  Chai Zhilei (Jiangnan University, Jiangsu Provincial Engineering Laboratory of Pattern Recognition and Computational Intelligence, Wuxi, China)
資料名： Journal of Electronic Imaging  (Journal of Electronic Imaging)
巻： 31  号： 1  ページ： 013029  発行年： 2022年 
JST資料番号： W0500A  ISSN： 1017-9909  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： 要約。対象検出は,ここ数年で良好な進展を達成した。しかし,リモートセンシング画像の分野では多くの挑戦がある。リモートセンシング画像の対象は,通常,任意の方位と様々なスケールを持つ。さらに,いくつかのオブジェクトは,クラッタバックグラウンドによって容易に圧倒される。高速速度を持つ単一ステージオブジェクト検出器を利用するために,単一ステージ検出器に基づく多くのカスケード構造を提案し,検出性能を改善した。しかしながら,カスケード構造における特徴不整合は,貧弱な検出性能をもたらす。これらの問題に取り組むために,モデル改良と損失関数精密化の両方に関する革新的モデルを提案した。本モデルは,クラッタシーン,マルチスケール特徴融合モジュール,およびアンカー制約畳込みによるカスケード精密化モジュールにおける有用な情報を強調するための注意モジュールから成り,特徴不整合に対処した。さらに,分類と局所化の間の相関関係を強化するために,区間オーバーオン(IoU)分類損失を提案し,スケール認識回帰損失を提案し,異なるスケールを有するオブジェクトの検出性能を改善した。DOTAデータセットとHRSC2016データセットの両方に関する広範な実験を行い,実験結果は,著者らのモデルが現在の最先端の方法と比較して利点を有することを示した。Copyright 2022 SPIE and IS&T 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 ,  検出 ,  畳込み ,  損失関数 ,  *ネットワーク ,  *交差点 ,  画像 ,  検出器 ,  クラッタ ,  不整合 ,  精密化 ,  指数 ,  規模
準シソーラス用語： マルチスケール ,  *物体検出 ,  局在化 ,  リモートセンシング画像 , 【Automatic Indexing@JST】

著者キーワード (6件)： アンカー拘束精密化 ,  特徴アラインメント ,  マルチスケール特徴融合 ,  IoUを意識した損失 ,  スケールを意識した損失 ,  回転物体検出

分類 (1件)： 図形・画像処理一般  (JE04010I)

物質索引 (1件)： DOTA

タイトルに関連する用語 (8件)： オブジェクト検出 ,  交差点 ,  意識 ,  スケール ,  損失 ,  アンカー ,  制約 ,  精密化