文献

J-GLOBAL ID：202202280717833451   整理番号：22A1163653

空中画像におけるオブジェクト検出のためのキャリブレーション誘導の学習【JST・京大機械翻訳】

Learning Calibrated-Guidance for Object Detection in Aerial Images

著者 (7件)： Wei Zongqi (College of Computer Science and Technology, MIIT Key Laboratory of Pattern Analysis and Machine Intelligence, Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Liang Dong (College of Computer Science and Technology, MIIT Key Laboratory of Pattern Analysis and Machine Intelligence, Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Zhang Dong (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Zhang Liyan (College of Computer Science and Technology, MIIT Key Laboratory of Pattern Analysis and Machine Intelligence, Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Geng Qixiang (College of Computer Science and Technology, MIIT Key Laboratory of Pattern Analysis and Machine Intelligence, Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Wei Mingqiang (College of Computer Science and Technology, MIIT Key Laboratory of Pattern Analysis and Machine Intelligence, Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Zhou Huiyu (School of Informatics, University of Leicester, Leicester, U.K.)
資料名： IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing  (IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing)
巻： 15  ページ： 2721-2733  発行年： 2022年 
JST資料番号： W2259A  ISSN： 1939-1404  CODEN： IJSTHZ  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： 物体検出は,コンピュータビジョンの領域における最も基本的だが挑戦的な研究トピックの1つである。最近,空中画像におけるこのトピックに関する研究は大きな進歩を遂げた。しかしながら,複雑な背景と悪い画像品質は,空中物体検出における明白な問題である。ほとんどの最先端の手法は,困難な計算複雑性を有する時空特徴較正のための精巧な注意機構を開発する傾向があり,一方,チャネルごとの特徴較正の重要性を驚くほど無視する。本研究では,大域的特徴アフィニティ相関に基づく各チャネルに対するキャリブレーション重みを適応的に決定することができる,特徴変圧器ファッションにおけるチャネル通信を増強するための簡単で効果的な較正誘導(CG)方式を提案した。特に,特徴マップの与えられたセットに対して,CGは,中間キャリブレーションガイダンスとして各チャネルと残りのチャネルの間の特徴類似性を最初に計算する。次に,誘導操作によって一緒に加重するすべてのチャネルを集約することによって,各々のチャネルを再表現した。このCGは,CG-Netと呼ばれる任意の深いニューラルネットワークにプラグできる一般的なモジュールである。その有効性と効率を実証するために,空中画像における指向物体検出タスクと水平物体検出タスクの両方について,広範な実験を行った。2つの挑戦的なベンチマーク(即ち,DOTAとHRSC2016)に関する実験結果は,著者らのCG-Netが,公正な計算オーバヘッドで,精度において新しい最先端の性能を達成できることを実証した。ソースコードはhttps://github.com/WeiZongqi/CG-Netでオープンソースされた。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： 変圧器 ,  ファッション ,  ニューラルネットワーク ,  *画像 ,  プラグ ,  画質 ,  計算量 ,  通信 ,  親和性 ,  コンピュータビジョン ,  *ベンチマーク
準シソーラス用語： *物体検出 ,  オーバヘッド ,  オープンソース ,  ソースコード ,  *空中画像 , 【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 (5件)： 空中画像 ,  オブジェクト検出 ,  キャリブレーション ,  誘導 ,  学習