Large-scale Remote Sensing Image Target Recognition and Automatic Annotation

要約

このペーパーでは、LRSAAと呼ばれる大型エリアリモートセンシング画像のオブジェクト認識と自動ラベル付けの方法を紹介します。
このメソッドは、モデルのパフォーマンスを向上させるためにアンサンブル学習を通じて、Yolov11およびMobileNETV3-SSDオブジェクト検出アルゴリズムを統合します。
さらに、ポアソンディスクサンプリングセグメンテーション技術とEIOUメトリックを使用して、セグメント化された画像のトレーニングと推論プロセスを最適化し、その後に結果の統合が続きます。
このアプローチは、計算リソースの需要を削減するだけでなく、精度と速度のバランスをとることもできます。
このプロジェクトのソースコードは、https：//github.com/anaerovane/lrsaaで公開されています。

要約(オリジナル)

This paper presents a method for object recognition and automatic labeling in large-area remote sensing images called LRSAA. The method integrates YOLOv11 and MobileNetV3-SSD object detection algorithms through ensemble learning to enhance model performance. Furthermore, it employs Poisson disk sampling segmentation techniques and the EIOU metric to optimize the training and inference processes of segmented images, followed by the integration of results. This approach not only reduces the demand for computational resources but also achieves a good balance between accuracy and speed. The source code for this project has been made publicly available on https://github.com/anaerovane/LRSAA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google