論文の概要: Robust Marine Buoy Placement for Ship Detection Using Dropout K-Means
- arxiv url: http://arxiv.org/abs/2001.00564v2
- Date: Thu, 20 Feb 2020 19:44:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-16 03:54:43.456278
- Title: Robust Marine Buoy Placement for Ship Detection Using Dropout K-Means
- Title(参考訳): 落下K平均を用いた船体検出のためのロバスト海洋ブイ配置
- Authors: Yuting Ng (1), Jo\~ao M. Pereira (1), Denis Garagic (2), Vahid Tarokh
(1) ((1) Duke University, (2) BAE Systems FAST Labs)
- Abstract要約: そこで我々は, ブイ破壊に対する配置を改善するために, ドロップアウトk平均およびドロップアウトk中間体を提案する。
5ブイでは, 古典的k平均, ドロップアウトk平均, 古典的k中間, ドロップアウトk中間で計算したブイ配置が38%, 45%, 48%, 52%であった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Marine buoys aid in the battle against Illegal, Unreported and Unregulated
(IUU) fishing by detecting fishing vessels in their vicinity. Marine buoys,
however, may be disrupted by natural causes and buoy vandalism. In this paper,
we formulate marine buoy placement as a clustering problem, and propose dropout
k-means and dropout k-median to improve placement robustness to buoy
disruption.
We simulated the passage of ships in the Gabonese waters near West Africa
using historical Automatic Identification System (AIS) data, then compared the
ship detection probability of dropout k-means to classic k-means and dropout
k-median to classic k-median. With 5 buoys, the buoy arrangement computed by
classic k-means, dropout k-means, classic k-median and dropout k-median have
ship detection probabilities of 38%, 45%, 48% and 52%.
- Abstract(参考訳): 海産ブイは、近隣の漁船を検出することで、イルガル、非報告、非規制漁業(IUU)との戦いを支援する。
しかし、海洋ブイは自然災害やブイ破壊によって破壊される可能性がある。
本稿では,海洋ブイ配置をクラスタリング問題として定式化し,ブイ破壊に対する配置堅牢性を改善するために,落差k平均および落差k中間値を提案する。
歴史的な自動識別システム(ais)データを用いて西アフリカのガボン海での船舶の通過をシミュレートし,k-meansの船舶検出確率をk-means,k-medianの船舶検出確率をk-medianと比較した。
5ブイでは, 古典的k平均, ドロップアウトk平均, 古典的k中間, ドロップアウトk中間で計算したブイ配置が38%, 45%, 48%, 52%であった。
関連論文リスト
- CausalDiff: Causality-Inspired Disentanglement via Diffusion Model for Adversarial Defense [61.78357530675446]
人間は、本質的な要因のみに基づいて判断するので、微妙な操作によって騙されるのは難しい。
この観察に触発されて、本質的なラベル因果因子を用いたラベル生成をモデル化し、ラベル非因果因子を組み込んでデータ生成を支援する。
逆の例では、摂動を非因果因子として識別し、ラベル因果因子のみに基づいて予測することを目的としている。
論文 参考訳(メタデータ) (2024-10-30T15:06:44Z) - Catastrophic Overfitting: A Potential Blessing in Disguise [51.996943482875366]
FAT(Fast Adversarial Training)は、敵の堅牢性向上に効果があるとして、研究コミュニティ内で注目を集めている。
既存のFATアプローチではCOの緩和が進んでいるが, クリーンサンプルの分類精度が低下するにつれて, 対向ロバスト性の上昇が生じる。
クリーンな例と逆向きな例に特徴アクティベーションの相違を利用して,COの根本原因を分析した。
我々は, モデル性能を高めることを目的として, 「攻撃難読化」を実現するためにCOを活用する。
論文 参考訳(メタデータ) (2024-02-28T10:01:44Z) - MSFlow: Multi-Scale Flow-based Framework for Unsupervised Anomaly
Detection [124.52227588930543]
教師なし異常検出(UAD)は多くの研究の関心を集め、幅広い応用を推進している。
不明瞭だが強力な統計モデルである正規化フローは、教師なしの方法で異常検出と局所化に適している。
非対称な並列フローと融合フローからなるMSFlowと呼ばれる新しいマルチスケールフローベースフレームワークを提案する。
我々のMSFlowは、検出AUORCスコアが99.7%、ローカライゼーションAUCROCスコアが98.8%、プロスコアが97.1%の新たな最先端技術を実現している。
論文 参考訳(メタデータ) (2023-08-29T13:38:35Z) - Eavesdropper localization for quantum and classical channels via
nonlinear scattering [58.720142291102135]
量子鍵分布(QKD)は物理学の法則に基づく理論的セキュリティを提供する。
本稿では,古典的チャネルだけでなく,量子的チャネルにも応用可能なeavesdropper位置に関する新しいアプローチを提案する。
提案手法は, 標準光ファイバ内部のcm精度で1%のエバネッセントアウトカップリングを局在させる作業において, 従来のOTDRよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-06-25T21:06:27Z) - Anomalous NO2 emitting ship detection with TROPOMI satellite data and
machine learning [0.08602553195689512]
2021年からは、北海とバルト海で活動する船舶に対して、より要求の高い$textNO_text2$の排出制限が導入された。
本研究では,TROPOMI衛星データに基づく機械学習モデルの組み合わせを用いて,潜在的に適合しない船舶の自動選択手法を提案する。
論文 参考訳(メタデータ) (2023-02-24T16:54:47Z) - A Nonparametric Contextual Bandit with Arm-level Eligibility Control for
Customer Service Routing [61.10434777324718]
Amazon Customer Serviceは、毎年数百万の顧客連絡先をリアルタイムにサポートしている。
ボット・リゾルバは一部のトラフィックを自動化するのに役立ちますが、人間エージェントの需要は高いままです。
論文 参考訳(メタデータ) (2022-09-08T19:20:20Z) - A Transfer Learning-Based Approach to Marine Vessel Re-Identification [0.0]
本稿では, 海上における船舶の揺れ状況をシミュレーションし, 移動動的アライメントアルゴリズムを提案する。
平均平均精度(mAP)を10.2%改善し、最初のヒットレート(Rank1)を4.9%改善する。
論文 参考訳(メタデータ) (2022-07-29T06:36:10Z) - Invariant Representation Driven Neural Classifier for Anti-QCD Jet
Tagging [0.0]
ニューラルネットベース標準モデルジェット分類タスクにおける表現学習と帰納バイアスを活用する。
我々は50前後の背景拒絶率と3.6の有意改善率を50%の信号受入率で達成し,ジェット質量の非相関性について検討した。
論文 参考訳(メタデータ) (2022-01-18T18:52:56Z) - Leveraging Evidential Deep Learning Uncertainties with Graph-based
Clustering to Detect Anomalies [1.525943491541265]
本稿では,自動識別システム(AIS)データを用いた船舶のクラスタ軌道に対するグラフベーストラフィック表現手法を提案する。
本稿では,深層学習(DL)に基づく不確実性推定を海洋異常の検出に利用することを提案する。
論文 参考訳(メタデータ) (2021-07-04T06:31:59Z) - ABOShips -- An Inshore and Offshore Maritime Vessel Detection Dataset
with Precise Annotations [0.17205106391379021]
沿岸および沖合のデータセットの海洋容器検出は例外ではない。
異なる要因を考慮に入れた海上船舶画像のデータセットを収集した。
船体インスタンス(9種類の船を含む)、シーマーク、各種のフローターが正確に注釈付けされた。
4つの主成分検出アルゴリズムのアウト・オブ・ボックス性能を評価した。
論文 参考訳(メタデータ) (2021-02-11T07:05:33Z) - Optimally Displaced Threshold Detection for Discriminating Binary
Coherent States Using Imperfect Devices [50.09039506170243]
雑音や不完全な装置を用いた現実的な状況下で、最適変位しきい値検出(ODTD)を有する一般化されたケネディ受信機の性能を解析的に検討する。
提案アルゴリズムは,既存の手法よりも低次かつスムーズな誤り確率が得られることを示す。
論文 参考訳(メタデータ) (2020-07-21T21:52:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。