文献

J-GLOBAL ID：202202274355142935   整理番号：22A0397880

受容野拡大ブロックに基づくリモートセンシングオブジェクト検出【JST・京大機械翻訳】

Remote Sensing Object Detection Based on Receptive Field Expansion Block

著者 (6件)： Dong Xiaohu (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China) ,  Fu Ruigang (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China) ,  Gao Yinghui (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China) ,  Qin Yao (Northwest Institute of Nuclear Technology, Xi’an, China) ,  Ye Yuanxin (Faculty of Geosciences and Environmental Engineering, Southwest Jiaotong University, Chengdu, China) ,  Li Biao (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.8020605.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： 深層学習技術の急速な発展と大規模リモートセンシングデータセットの収集により,畳み込みニューラルネットワーク(CNN)はリモートセンシング物体検出において著しい進歩を遂げた。しかし,リモートセンシング画像におけるオブジェクトの多様性のために,マルチスケールオブジェクト検出は,まだ挑戦的なタスクである。本論文では,特徴ピラミッドネットワーク(FPN)に基づく新しいオブジェクト検出フレームワークを提案し,マルチスケールオブジェクトの検出性能を改善した。最初に,受信場拡張ブロック(RFEB)を設計し,FPNの受容野を適応的に拡大するために,バックボーンの頂部に追加した。このようにして,各オブジェクトの周りのコンテキスト情報を十分に捉える。次に,RFEBを通して得られた特徴をすべてのピラミッドレベルで特徴マップに提供して,深い層によって捕捉された意味情報を下層に伝送するときに徐々に希釈するFPNの欠点を修復した。第3に,大きなダウンサンプリング因子に基づく大きな受容野を生成するFPNの古典的バックボーンは,RFEBの有効性を制限するかもしれないので,元のFPNのバックボーンは拡張畳込みを用いて修正され,大きな受容場を維持しながら特徴マップの分解能低下を容易化した。特徴抽出器として,提案フレームワークは他のFPNベース手法に容易に展開できる。光学遠隔センシング画像(DIOR)データセットにおけるオブジェクトDetectIonのベンチマークに関する実験は,検出精度に関して,考察した最先端のベースライン法に対する提案した方法の優位性を実証した。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 ,  分解能 ,  特徴抽出 ,  受信 ,  *リモートセンシング ,  角錐 ,  有効性 ,  ベンチマーク ,  下層
準シソーラス用語： マルチスケール ,  *物体検出 ,  特徴マップ ,  リモートセンシング画像 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

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