Large-scale Remote Sensing Image Target Recognition and Automatic Annotation

要約

本稿では、LRSAAと呼ばれる大面積リモートセンシング画像における物体認識と自動ラベル付けの手法を紹介する。
このメソッドは、アンサンブル学習を通じて YOLOv11 と MobileNetV3-SSD オブジェクト検出アルゴリズムを統合し、モデルのパフォーマンスを向上させます。
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 メトリクスを採用して、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、その後結果を統合します。
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適切に実現します。
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