Technology sharing

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Articulus Summarium

Pons deprehensio in imaginibus remotis sensibilibus (RSIs) munus vitale agit in variis applicationibus，Sed deprehensio pontis ad singulares provocationes spectat ad aliud objectum detectorum comparatum. Pontes RSIs trans RSIs in magnitudine locali et ratione aspectum magnam varietatem exhibent. Ergo, ut visibilitas et integritas pontis curet, necesse est altiore pontis inspectione in magna-scala alta resolutione (VHR) RSIs. Defectus tamen magnae amplitudinis notitiarum VHR RSIs limitat ad algorithms in ponte deprehensio profunde discendi. Ob limitationem memoriae GPU cum imagines magnae amplitudinis expediendae, methodi profundae cognitionis subnixae detectionis rationes captare solent consilia captandi, quae necessario ad pittacium ruptionem et praedictionem discontinuitatem ducit.Ad inopiam sublevandam data ponit;Articulus magnarum rerum dataset GLH-Bridge proponit, quae includit 6,000 VHR RSIs e diversis orbis terrarum locis gustatis. Imagines in magnitudine vagantur ab 2,048 × 2,048 ad 16,384 × 16,384 elementa et summa 59,737 pontium continent. Pontes varia loca distrahunt, et quilibet pons manuale annotatum est utentes pixides terminantes (OBB) et pixides horizontales terminantes (HBB).Praeterea auctores efficiens pontem Holisticum Detection (HBD-Net) proponunt ad deprehensionem pontis in magna magnitudine RSIs. HBD-Net, detectorem independens plumam fusionis (SDFF) architecturae independens adoptat atque optimized per specimen sensitivum reweight (SSRW) consilii. Architectura SDFF plumam interieci fusionem (IFF) facit ut multi-scalae contextus fuse in pyramide imaginis dynamicae (DIP) imaginum magnarum, et consilium SSRW adhibeatur ad pondera regressionis stateram pontium diversa ratione curandam. rationibus.Ex proposito GLH-Bridge dataset, auctores pontis detectionis Probatio inclusa OBB et HBB munia constituerunt, et efficaciam propositi HBD-Net comprobaverunt.Praeterea experimenta crucis-dataset generalisationum in duabus commentationibus publice in promptu positas demonstrant validam facultatem generalem rerum GLH-Bridge datae.

Charta inscriptio:

https://ieeexplore.ieee.org/document/10509806

Data copia magna est magnitudine, 20G nimis, et accessum scientificum requirit in Interreti ut accipias.

Data paro download inscriptio:

https://www.dilitanxianjia.com/15644/

Praeteritum et praesens

Ut clavium infrastructurae, pontes varias regiones discludunt ac facultates translationis fundamentalis inserviunt. Magnae sunt momenti in vecturae civili, in bellis, et in calamitate solatium [1].Eodem tempore, pons constructio rapida et saepe retroacta . Exempli causa, anno 2012 circiter 617,000 pontes in Civitatibus Foederatis Americae fuerunt, et eorum depravatio in proximos 50 annos crescet, plus quam $ 125 miliardis ad refectio reparationum reparandarum. Ideo efficacia et efficacitas pontis inspectionis pendet ad opportunas tabulas navigationis renovandas et monendas insuper structuram sanitatis et condicionis pontium [2], [3]. Imagines sentientes remotae (RSIs) aptae sunt ut basic notitiae ad deprehensionem pontis ob latum geographicum coverage et alta frequentia revisitatum. Eodem tempore, considerans potentissimum pluma repraesentationis facultates altum retiacula, RSIs deprehensio pontis in alta doctrina nititur, magnam potentiam habet ac focus investigationis factus est [4].

Ut in Figura I, cum aliis objectis communibus comparatis, pontes multi-scale in RSIs detectus est valde provocans ob duas notas principales: (i) squamas objecti diversae. In summo proposito (VHR) RSIs, instantiae pontis longitudinis variant a paucis pixellis ad millia pixels. (n) Rationes extremae aspectum. Notae differentiae sunt in amplitudine pontium. Ad detectabilitatem pontium parvorum vel angustorum curandam, usus solutionis altissimae (VHR) imaginum pendet. Eodem tempore, ut integritatem structuralem magnorum et longorum pontium in VHR imaginum persequatur, necesse est ut altiore ponte deprehendatur in imaginibus magna amplitudine, quae stricte exigentias ponit in utraque scriptione et methodo. Quamvis significantes progressus in multi- dine obiecti deprehendantur, [12], [13], [14], [15], [16] et pontis detectio, [4], [11], [17];Sed magna-scalae datae rationes et opportunitates pro altiore ponte detecto in magna magnitudine VHR RSIs adhuc desunt.

Ut in Tabula 1, quamvis multi populares RSIs obiectorum detectionis datastae factae sint, [6], [7], [8], [18] numerus pontium in his datasetis limitatur.Praeterea dataset [4], [11] in specie deprehensio pontis creatae saepe magnitudine et magnitudine imaginis circumscriptae sunt. Aliquae datastae exsistentes tantum praebent pixidem horizontalem (HBB) annotationes loco accuratae notationis cistae terminatae (OBB). Ergo videtur univocum instituere robustum et late aptabile deprehensionis exemplar pontis utens supra dataset. Ad constitutionem limitationis datae, auctores GLH-Bridge construxerunt, magnarum rerum notitias pro ponte deprehensio magnae magnitudinis VHR RSIs. GLH-pons VI 000 VHR RSIs globaliter gustatum continet et pontes super 59,000 manually annotatos habet. Comparatus cum notitiasetationis deprehensionis pontis existentis, GLH-Bridge meliores proprietates pontium in scaenarum realium capit, pontes multi-scales in magnitudine VHR RSIs annotans, varias formas involucris ut vegetationem, areolas fluviatiles et vias. In summa, GLH-Bridge commoda comprehensiva et commoda significantia demonstrat comparata ad deprehensionem pontis existentium notitiastarum.

Ad investigationes promovendas de hac fundamentali et practica problemate, auctores novum impugnationem et significativum opus proponunt: altiore ponte detecto in magna-scala VHR RSIs.Ad hoc opus solvendum, solutiones potentiales in quattuor praecipuas areas dividi possunt: (i) GPU memoriae limitatio, amet alta doctrina-substructio methodi detectionis objecti, [15], [16], [19], [20], [21] solent adoptare consilia tondentes [7], [22]. Hae autem rationes inhaerentes limites habent et prona sunt ad interclusionem pontium magnorum, ut in Figura 1 patet. Praeter strategies tondentes, aliquae rationes detectionis objecti processus originales imagines magnae amplitudinis per fenestras fixas strategies downsampling [23], [24], [25], inde in significantes imaginum informationes detrimentum (ii) profluentes modos [26] imagines mediocritas nam ante et retro transit, sed retiacula neuralis (DNN) alta cum ordinationem sustinere non potest; Sed tempus supra caput significant et limitantur per maximam memoriam expansionis rate; (iv) multi-GPU tensoris parallelizationis ars [28], [29] expectatur ad alta retiacula extendere ad altiorem processum magnarum imaginum sustinendum. Sed saepe intensiva et difficilia sunt ad operandum sub condicionibus exercitationibus. In summa, methodi exsistentes efficaciter praestare non possunt altiore ponte detecto magnae magnitudinis VHR RSIs sub ordinariis computandis facultatibus (ut una GPU cum 24 GB memoria).

Considerantes limitationes solutionum potentialium supra memoratarum, auctores pontem Holisticum Detection (HBD-Net) specie destinatum ad pontem detectionis magnae magnitudinis VHR RSIs destinarunt. Auctorum accessus duas commoda praecipuos habet: (i) De detectoris fundatae pluma fusione (SDFF) architectura independentis, cum applicata ad Imaginem Dynamicam Pyramidis (DIP), efficacem demonstrat viam ad imagines magnas amplitudinis cum minimalis subsidiorum consummatione. (ii) Specimen sensitivum figurae re- ponderationis (SSRW) militarium regressionem ponderum pontium diversis rationibus aequat. Effectus experimentales in GLH-Bridge demonstrant praeclaram observantiam propositi HBD-Net.

In summa, ad optimorum auctorum cognitionem, haec charta prima est ad explorandum pontem integralem detectionem in magna-scala VHR RSIs.Praecipuae contributiones huius articuli sunt hae:

• GLH-pons proponitur, prima magnarum rerum dataset ad deprehensionem pontis magnae magnitudinis VHR RSIs.Haec dataset continet 59,737 pontes varios subiectorum operientes, ut pontium repraesentationem in missionibus adiunctis vitae haberent.

• Deprehensio pontis holistic parvi retis (i.e., HBD-Net) pro magna magnitudine imaginum proponitur., quae efficaciter possunt imagines magnas magnitudines procedere et pontes multi-scale holistice deprehendere per architecturae bene designatae SDFF et consiliorum SSRW.

• Adhibitis propositis GLH-Bridge dataset, auctores pontem detectionis pro- bantae tegumentum tam OBB quam HBB operantibus creaverunt. HBD-Net outperforms status-of-artis existens algorithmorum in effectu. Praeterea auctor experimenta generalia crucis-dataset ad demonstrandum fortem facultatem generalem GLH-Bridge. Auctores sperant hoc velit signum conferre posse ad praecipua aestimatione obiecti deprehensionis in imaginibus magna amplitudine.

sollertia

Proposita auctoris in explicando nova dataset ad pontem deprehensio duplex erat; (i) Lacunam imple datastarum permagna-scalarum deprehensio pontis in magna-scalarum solutione remotarum imaginum sentientium (VHR RSIs). (ii) Progredientes novum et arduum opus: pons integralis detectio in magna-scala VHR RSIs.

Figura 2. Distributio Geographica tabula imaginum gustatorum a proposita GLH-Bridge dataset.

Figura 3. Exemplum pter pter mensuram, ubi circulus flavus situ distenta indicat . a) Viae aquae transeuntes notae notentur nimis curvae vel irregulares. b) Duae nexus terminales non notantur.

Figure 4. Illustratio lineamentorum GLH-Bridge dataset. (a) Comparison of bridge characteristics in different datasets. (b) Distributio pontis in GLH-Bridge. (c) Distributio pontis longitudinum in GLH-Bridge. (d) Distributio densitatis pontis in GLH-Bridge.

Figure 5. Exempla pontium in diversis contextibus in GLH-Bridge dataset. (a) Pontem virentem. (b) Pontem amnem siccum transgressus. (c) Pontes viae transeuntes. (d) Pontes aquarum transitus.

Figure 6. Propositus HBD-Net processus. Habet SDFF architecturae propositae et consiliorum SSRW. Architectura SDFF ex detectoribus independens et modulorum IFF consistit. Incipientes ab input magna-magnitudine VHR imaginem, auctores TIP construunt eamque mittunt ad detectorem sui SDFF ad lineamenta obtinenda. Deinde, lineamenta detectorum omnium SDFF per IFF modulorum conglutinata sunt ad informationem contextualem et accuratam textura communicandam. Consilium SSRW applicatur in scaena specimen lectionis obiecti detectoris ad pondera regressionis paria. Denique lineamenta coacta in caput rei detectoris aluntur, ut eventus cuiusque tabulatorum consequantur, qui damnum computare solent cum pittaciis congruentibus fundamento veritatis.

Figure 7. Schematica schematis IFF moduli propositi.Figura ostendit modum fusionis plumae inter duas stratis adiacentibus.

Figure 8. Schematica schematis de consilio SSRW propositae. Puncta rubra et caerulea repraesentant exemplaria positiva et negativa ab obiecto detectore comparata. Ad detectores ancoris substructi, haec puncta correspondent tabulae geographicae locorum ubi ancorae puncta vel propositiones generantur. Ad detectores ancoras, haec puncta euismod in pluma tabula indicant. Ad claritatem et simplicitatem conservandam, ancoras seu propositiones (pro methodis ancoris fundatis) cum punctis sample coniungendis in hoc schemate non ostenduntur.

Optimum perficientur

futurum mentis

Haec charta magnarum rerum dataset GLH-Bridge proponit pro altiore ponte detecto in magna-scala altae solutionis remotae imagines sentiendi. Proposita dataset continet 6,000 altae solutionis imagines sensitivas remotas cum magnitudinum imaginum vndique ab 2,048 2,048 ad 16,384 16,384 elementa, continentes 59,737 pontes diversos locos emittentes, cum annotationibus OBB et HBB. Magnae imaginis magnitudo, magna magnitudine exempli, et diversitas squamarum et colorum genera GLH-Bridge perutile datases faciunt cum requisitis ad novum certamen provocans sed longe attingens: alta resolutio in magnis squamis imagines.Praeterea auctores HBD-Net proponunt solutionem cost-efficacem formandam pro altiore ponte detecto in imaginibus magna amplitudine.GLH-Pontis dataset propositae;Auctores probationem constituerunt et empirice comprobaverunt efficaciam propositi HBD-Net. In futuro opere, auctores magnitudine exempli et subcategoriae annotationes GLH-Bridge dataset locupletare perseverabunt. Praeterea proposita auctorum includunt generaliter proposita HBD-Net, ut multi-classum objectorum deprehensio in imaginibus magna amplitudine satisfaciat. Auctores methodos explorare contendunt qui pontem accurationis tam magni pretii quam parvi momenti emendare possunt, ut applicabilitatem et efficaciam HBD-Net in variis missionibus augeant.