論文の概要: A water-obstacle separation and refinement network for unmanned surface vehicles

• arxiv url: http://arxiv.org/abs/2001.01921v1
• Date: Tue, 7 Jan 2020 07:47:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-13 21:11:12.328584
• Title: A water-obstacle separation and refinement network for unmanned surface vehicles
• Title（参考訳）: 無人表面車両のための水-障害物分離・改質ネットワーク
• Authors: Borja Bovcon and Matej Kristan
• Abstract要約: 本稿では,これらの問題に対処するため,新しいディープエンコーダ・デコーダアーキテクチャ(WaSR)を提案する。 その結果,WaSRは2番目の手法に比べてF値が14%向上し,最先端技術よりも高い性能を示した。
• 参考スコア（独自算出の注目度）: 13.515085879331425
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Obstacle detection by semantic segmentation shows a great promise for autonomous navigation in unmanned surface vehicles (USV). However, existing methods suffer from poor estimation of the water edge in the presence of visual ambiguities, poor detection of small obstacles and high false-positive rate on water reflections and wakes. We propose a new deep encoder-decoder architecture, a water-obstacle separation and refinement network (WaSR), to address these issues. Detection and water edge accuracy are improved by a novel decoder that gradually fuses inertial information from IMU with the visual features from the encoder. In addition, a novel loss function is designed to increase the separation between water and obstacle features early on in the network. Subsequently, the capacity of the remaining layers in the decoder is better utilised, leading to a significant reduction in false positives and increased true positives. Experimental results show that WaSR outperforms the current state-of-the-art by a large margin, yielding a 14% increase in F-measure over the second-best method.
• Abstract（参考訳）: セマンティックセグメンテーションによる障害物検出は、無人表面車両(USV)における自律航法に大きな可能性を示す。 しかし、既存の手法では、視覚的曖昧さの有無による水辺の推定が不十分で、小さな障害物の検出が不十分で、水面反射やウェイクに対する偽陽性率が高い。 本稿では,これらの問題に対処するため,新しい深層エンコーダ・デコーダアーキテクチャ(WaSR)を提案する。 IMUの慣性情報をエンコーダの視覚的特徴と徐々に融合させる新しいデコーダにより、検出および水辺精度を向上させる。 また,新たな損失関数は,ネットワークの早期に水と障害物の分離を増加させるように設計されている。 その後、デコーダの残りのレイヤのキャパシティがよりよく利用され、偽陽性が大幅に減少し、真陽性が増加する。 実験の結果,WaSRは最先端技術よりも大きなマージンで優れており,第2ベスト法よりもF測定が14%増加した。

関連論文リスト

• AGSENet: A Robust Road Ponding Detection Method for Proactive Traffic Safety [30.305692955291033]
  道路の沈み込みは、車両を制御不能にさせ、小さなフェンダーの曲がり角から激しい衝突に至る事故を引き起こすことにより、道路の安全に深刻な脅威をもたらす。 既存技術は、複雑な道路テクスチャと反射特性の影響による可変な池色化により、道路の熟成を正確に識別するのに苦慮している。 本稿では,自己注意型グローバル・サリエンシ・エンハンス・ネットワーク(AGSENet)という新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-10-22T13:21:36Z)
• D-YOLO a robust framework for object detection in adverse weather conditions [0.0]
  ヘイズ、雪、雨などの逆の気象条件は、画像品質の低下を招き、深層学習に基づく検知ネットワークの性能低下を招きかねない。 画像復元とオブジェクト検出のタスクをよりうまく統合するために,注目機能融合モジュールを備えた二重経路ネットワークを設計した。 我々はまた,検出ネットワークにヘイズフリーな機能を提供するサブネットワークを提案し,特に,明瞭な特徴抽出サブネットワークと検出ネットワーク間の距離を最小化することにより,検出ネットワークの性能を向上させる。
  論文  参考訳（メタデータ） (2024-03-14T09:57:15Z)
• Global Context Aggregation Network for Lightweight Saliency Detection of Surface Defects [70.48554424894728]
  我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。 まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。 3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
  論文  参考訳（メタデータ） (2023-09-22T06:19:11Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Enhancing Reliability in Federated mmWave Networks: A Practical and Scalable Solution using Radar-Aided Dynamic Blockage Recognition [14.18507067281377]
  本稿では,ミリ波(mmWave)およびテラヘルツ(THz)ネットワークサービスの動的屋外環境における信頼性向上のための新しい手法を提案する。 これらの設定では、人や車などの障害物を動かすことで、視線接続(LoS)が簡単に中断される。 提案手法はRadar-Aided Blockage Dynamic Recognition (RaDaR)と呼ばれ、レーダー計測とフェデレートラーニング(FL)を活用して、二重出力ニューラルネットワーク(NN)モデルをトレーニングする。
  論文  参考訳（メタデータ） (2023-06-22T10:10:25Z)
• Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
  オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。 提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
  論文  参考訳（メタデータ） (2022-12-23T03:00:28Z)
• Deep Motion Network for Freehand 3D Ultrasound Reconstruction [10.053359709378304]
  Inertial Measurement Unit(IMU)と呼ばれる画像と軽量センサを統合した新しいディープモーションネットワーク(MoNet)を提案する。 我々は初めてIMU加速度を導入し、平面外の高度変位を推定した。 提案手法は, 基板全体の最先端手法を超越して, より優れた復元性能を実現する。
  論文  参考訳（メタデータ） (2022-07-01T02:45:27Z)
• Temporal Context for Robust Maritime Obstacle Detection [10.773819584718648]
  海上障害物検出ネットワークWaSR-Tを提案する。 水面における物体反射の局所時間特性を学習することにより、WaSR-Tは障害物検出精度を大幅に向上する。 従来の単一フレーム法と比較して、WASR-Tはボートの危険域内での偽陽性検出数を41%減らし、53%以上減らした。
  論文  参考訳（メタデータ） (2022-03-10T12:58:14Z)
• The KFIoU Loss for Rotated Object Detection [115.334070064346]
  本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。 具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。 KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
  論文  参考訳（メタデータ） (2022-01-29T10:54:57Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)

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。