空撮における小型物体検出のためのマルチスケールパターン認識タスクゲーティングネットワーク

科学分野:

• コンピュータビジョン
• リモートセンシング
• 機械学習

背景:

• リモートセンシング画像（RSI）は、複雑な背景、散らかった物体分布、小さな物体サイズ、スケール変動など、物体検出に特有の課題をもたらします。
• 既存の手法では、マルチスケール空間パターンのキャプチャと意味情報の融合の限界により、これらの課題に効果的に対処することが困難です。

研究 の 目的:

• リモートセンシング画像の複雑さに特化して設計された高度な物体検出ネットワークを開発すること。
• 困難なリモートセンシングシナリオにおける物体検出の精度と堅牢性を向上させること。

主な方法:

• 包括的な特徴抽出のために、相補的な小および大カーネル畳み込みを使用したマルチスケールパターン認識ネットワーク（MPNet）バックボーンを提案しました。
• 方向性ストリップ畳み込みを使用して、意味的融合とピクセルレベルの空間感度を強化するために、マルチヘッドクロススペースエンコーダー（MCE）を導入しました。
• 分類タスクと局在化タスク間の特徴表現を適応的に再調整するために、動的タスクゲーティング（DTG）ヘッドを開発しました。

主要な成果:

• 提案されたマルチスケールパターン認識タスクゲーティングネットワーク（MPTNet）は、VisDrone、DIOR、およびCOCO-miniデータセットで高いパフォーマンスを達成しました。
• VisDroneで43.3％、DIORで80.6％、COCO-miniで49.5％のAP50スコアを達成しました。
• リモートセンシングアプリケーションにおける物体検出精度の顕著な改善を示しました。

結論:

• MPTNetは、リモートセンシング画像の物体検出における課題を効果的に解決します。
• MPNet、MCE、およびDTGの組み合わせは、複雑なシーンでの優れたパフォーマンスに貢献します。
• 提案された手法は、リモートセンシング物体検出に依存するさまざまな軍事および民間アプリケーションに有望なソリューションを提供します。