衛星ビデオにおける赤外線小目標検出：新規データセットと新規再帰的特徴改善フレームワーク

[fulfulggg]

タイトル: 衛星ビデオにおける赤外線小目標検出：新規データセットと新規再帰的特徴改善フレームワーク

リンク: https://arxiv.org/abs/2409.12448

概要:

衛星ビデオにおけるマルチフレーム赤外線小目標（MIRST）検出は、数十年にわたり長年の基本的な課題でありながら、依然として困難な課題です。その課題は、主に次の2つに集約されます。第一に、極めて小さい目標サイズ、非常に複雑なクラッターとノイズ、さまざまな衛星モーションにより、特徴表現が制限され、誤警報が多く、モーション解析が困難になります。第二に、衛星ビデオにおける大規模な公開されているMIRSTデータセットがないため、アルゴリズム開発が大きく妨げられています。これらの課題に対処するため、本論文では、まず衛星ビデオにおけるMIRST検出のための大規模データセット（IRSatVideo-LEO）を構築し、ベースライン手法としてリカレント特徴 refinement（RFR）フレームワークを開発しました。具体的には、IRSatVideo-LEOは、合成された衛星モーション、目標の外観、軌道、強度を持つ半シミュレーションデータセットであり、衛星ビデオ生成のための標準ツールボックスと、アルゴリズム開発を促進するための信頼性の高い評価プラットフォームを提供します。ベースライン手法として、RFRは、長期的な時間依存性を利用するための既存の強力なCNNベースの手法と、統合されたモーション補償とMIRST検出を備えていることが提案されています。具体的には、効果的かつ効率的な特徴アライメント、伝播、集約、およびリファインメントを実現するために、ピラミッド変形アライメント（PDA）モジュールと時間空間周波数変調（TSFM）モジュールが提案されています。我々のスキームの有効性と優位性を示すために、広範な実験が行われてきました。比較結果から、RFRを搭載したResUNetは、最新のMIRST検出手法よりも優れていることが示されています。データセットとコードはhttps://github.com/XinyiYing/RFRで公開されています。

[fulfulggg]

@yukihiko-fuyuki が以下のラベルを提案し、適用しました：

• object-detection
• dataset
• video-understanding

[fulfulggg]

論文要約

論文要約: 衛星ビデオにおける赤外線小目標検出：新規データセットと新規再帰的特徴改善フレームワーク

問題点

• 衛星ビデオにおける赤外線小目標検出の難しさ:
  • 目標サイズが極めて小さい
  • クラッター（背景の乱雑さ）やノイズが多い
  • 衛星の動きによる影響
  • これらの要因により、特徴抽出が難しく、誤検出や動きの解析が困難
• 大規模な公開データセットの不足:
  • アルゴリズム開発の大きな妨げとなっている

提案内容

1. 新規データセット IRSatVideo-LEO の構築:
   • 衛星ビデオにおける赤外線小目標検出のための大規模データセット
   • 合成された衛星の動き、目標の外観、軌道、強度を含む半シミュレーションデータ
   • 衛星ビデオ生成のための標準ツールボックスと、アルゴリズム開発のための信頼性の高い評価プラットフォームを提供
2. リカレント特徴 refinement（RFR）フレームワークの開発:
   • 長期的な時間依存性を利用するCNNベースの手法
   • モーション補償と赤外線小目標検出を統合
   • 以下のモジュールを含む:
     • ピラミッド変形アライメント（PDA）モジュール: 効果的かつ効率的な特徴アライメント、伝播、集約を実現
     • 時間空間周波数変調（TSFM）モジュール: 特徴のリファインメントを実現

実験結果

• RFRを搭載したResUNetは、最新の赤外線小目標検出手法よりも優れた性能を示した

データセットとコード

• https://github.com/XinyiYing/RFR で公開

まとめ

本論文は、衛星ビデオにおける赤外線小目標検出という困難な課題に対して、新規データセットと新規フレームワークを提案することで、性能向上に貢献している。