M-ReDet:船の物体検出と細粒度認識のためのマンバベースの方法

科学分野:

• リモートセンシングと地理空間分析
• コンピュータビジョンと画像処理
• 人工知能と機械学習

背景:

• 船舶のオブジェクト検出と細部認識は,海上監視やナビゲーションなどのアプリケーションに不可欠です.
• 既存の方法は複雑なリモートセンシング画像で様々なタイプの船を正確に検出するのに苦労しています.
• 船舶の分類と位置付けの精度を向上させることは,継続的な課題です.

研究 の 目的:

• 船のオブジェクト検出の精度とリモートセンシング画像の微細な認識を向上させる.
• 既存のReDetアーキテクチャを改良する新しい方法であるMamba-ReDet (M-ReDet) を開発する.
• 船舶の異なるカテゴリーの細粒子の抽出と精製の制限に対処する.

主な方法:

• 提案されたMamba-ReDet (M-ReDet) は,Mambaの選択メモリを使用して細粒子の特性を抽出するためのMamba-ReResNetバックボーンを組み込む.
• 船舶オブジェクト感知モジュール (SOPM) と船舶特征精製モジュール (SFRM) が導入され,特征精製のための空間位置情報を抽出および融合します.
• 訓練中に回帰と分類の精度を改善するために,KFIoUと焦点損失を使用しました.

主要な成果:

• Mamba-ReDetはFAIR1Mのデータセットで43.29%の平均精度 (mAP0.5) を達成しました.
• Mamba- ReDetは,DOTAv1. 0の可視光 (RGB) データセットで82. 09%のmAP0. 5を達成しました.
• 各データセットのベースラインReDetより2. 78%および3. 34%のパフォーマンスの改善が実証されました.

結論:

• 提案されているMamba-ReDet (M-ReDet) は,船のオブジェクト検出とリモートセンシング画像の微細な認識を効果的に強化します.
• Mambaの選択メモリと特殊モジュールの統合は,機能抽出と精製能力を大幅に改善します.
• この方法は既存のアプローチと比較して優れた性能を示し,海洋用途に貴重な進歩をもたらします.