階層的コントラスト学習と分離クエリによる微細粒度物体検出

本論文は、リモートセンシング画像における微細粒度物体検出の課題に取り組み、特に階層的なラベル構造と不均衡なデータに焦点を当てています。 DETRフレームワーク内で、バランスの取れた階層的コントラスト損失と分離学習戦略を使用した新しいアプローチを提案しています。主な貢献は、不均衡なデータの影響を軽減し、分類タスクと位置特定タスクを分離することにあり、微細粒度データセットでのパフォーマンス向上につながります。この研究は、リモートセンシングにおける実際的な問題に取り組み、より堅牢で正確な検出方法を提供する可能性があるため、重要です。

• •微細粒度物体検出における不均衡なデータ分布の問題に対処。
• •不均衡なデータの影響を軽減するために、バランスの取れた階層的コントラスト損失を提案。
• •分類タスクと位置特定タスクを分離するために、分離学習戦略を採用。
• •微細粒度リモートセンシングデータセットで最先端のパフォーマンスを実証。