論文の概要: A Common Operating Picture Framework Leveraging Data Fusion and Deep Learning

• arxiv url: http://arxiv.org/abs/2001.05982v2
• Date: Thu, 4 Jun 2020 15:13:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 00:20:30.186135
• Title: A Common Operating Picture Framework Leveraging Data Fusion and Deep Learning
• Title（参考訳）: データ融合とディープラーニングを利用した共通操作画像フレームワーク
• Authors: Benjamin Ortiz, David Lindenbaum, Joseph Nassar, Brendan Lammers, John Wahl, Robert Mangum, Margaret Smith, and Marc Bosch
• Abstract要約: 本稿では,処理,爆発,拡散のソリューションを高速化するためのデータ融合フレームワークを提案する。 私たちのプラットフォームは、ディープラーニングやその他の処理手段を活用することで、複数のデータソースから情報を抽出するサービスの集合体です。 最初のイテレーションでは、ビジュアルデータ(FMV, WAMI, CCTV/PTZ-Cameras, オープンソースビデオなど)とAISデータストリーム(衛星と地上ソース)に焦点を当てました。
• 参考スコア（独自算出の注目度）: 0.7348448478819135
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Organizations are starting to realize of the combined power of data and data-driven algorithmic models to gain insights, situational awareness, and advance their mission. A common challenge to gaining insights is connecting inherently different datasets. These datasets (e.g. geocoded features, video streams, raw text, social network data, etc.) per separate they provide very narrow answers; however collectively they can provide new capabilities. In this work, we present a data fusion framework for accelerating solutions for Processing, Exploitation, and Dissemination (PED). Our platform is a collection of services that extract information from several data sources (per separate) by leveraging deep learning and other means of processing. This information is fused by a set of analytical engines that perform data correlations, searches, and other modeling operations to combine information from the disparate data sources. As a result, events of interest are detected, geolocated, logged, and presented into a common operating picture. This common operating picture allows the user to visualize in real time all the data sources, per separate and their collective cooperation. In addition, forensic activities have been implemented and made available through the framework. Users can review archived results and compare them to the most recent snapshot of the operational environment. In our first iteration we have focused on visual data (FMV, WAMI, CCTV/PTZ-Cameras, open source video, etc.) and AIS data streams (satellite and terrestrial sources). As a proof-of-concept, in our experiments we show how FMV detections can be combined with vessel tracking signals from AIS sources to confirm identity, tip-and-cue aerial reconnaissance, and monitor vessel activity in an area.
• Abstract（参考訳）: 組織は、洞察や状況認識、ミッションの推進のために、データとデータ駆動のアルゴリズムモデルの組み合わせの力を認識し始めています。 洞察を得るための一般的な課題は、本質的に異なるデータセットを接続することだ。 これらのデータセット(ジオコーディングされた機能、ビデオストリーム、生のテキスト、ソーシャルネットワークデータなど)は別々に、非常に狭い回答を提供するが、全体としては新しい機能を提供できる。 本研究では,PED(Processing, Exploitation, and Dissemination)のソリューションを高速化するためのデータ融合フレームワークを提案する。 私たちのプラットフォームは、ディープラーニングやその他の処理手段を利用して、複数のデータソースから(別々に)情報を抽出するサービスのコレクションです。 この情報は、異なるデータソースからの情報を組み合わせるために、データ相関、検索、その他のモデリング操作を実行する分析エンジンによって融合される。 その結果、興味のある事象を検出し、位置決めし、ログし、共通の操作図に提示する。 この一般的なオペレーティング・ピクチャは、ユーザが個別にすべてのデータソースをリアルタイムで視覚化し、共同作業を行うことを可能にする。 さらに、法医学的活動が実装され、フレームワークを通じて利用可能になっている。 ユーザーはアーカイブされた結果をレビューし、運用環境の最新スナップショットと比較することができる。 最初のイテレーションでは、ビジュアルデータ(FMV、WAM、CCTV/PTZ-Cameras、オープンソースビデオなど)とAISデータストリーム(衛星と地上のソース)に焦点を当てました。 コンセプション・オブ・コンセプション(概念実証)として,本実験では,AISソースからの船体追跡信号とFMV検出を組み合わせ,身元確認,空中偵察,地域の船舶活動の監視を行う方法を示した。

関連論文リスト

• Contrasting Deepfakes Diffusion via Contrastive Learning and Global-Local Similarities [88.398085358514]
  Contrastive Deepfake Embeddings (CoDE)は、ディープフェイク検出に特化した新しい埋め込み空間である。 CoDEは、グローバルローカルな類似性をさらに強化することで、対照的な学習を通じて訓練される。
  論文  参考訳（メタデータ） (2024-07-29T18:00:10Z)
• Multi-Modal Dataset Creation for Federated Learning with DICOM Structured Reports [26.2463670182172]
  フェデレーショントレーニングは、多種多様なデータストレージオプション、一貫性のない命名方式、さまざまなアノテーション手順、ラベル品質の相違により、しばしば異種データセットによって妨げられる。 これは、均一なデータ表現とフィルタリングオプションを含むデータセット調和が最重要となる、新興のマルチモーダル学習パラダイムにおいて特に顕著である。 我々は、マルチモーダルデータセットの組み立てプロセスを簡単にする、データ統合と対話型フィルタリング機能のためのオープンプラットフォームを開発した。
  論文  参考訳（メタデータ） (2024-07-12T07:34:10Z)
• VisionKG: Unleashing the Power of Visual Datasets via Knowledge Graph [2.3143591448419074]
  Vision Knowledge Graph (VisionKG)は、知識グラフとセマンティックWeb技術を介して視覚データセットを相互にリンクし、整理し、管理する新しいリソースである。 VisionKGには現在5億1900万のRDFトリプルがあり、約4000万のエンティティを記述している。
  論文  参考訳（メタデータ） (2023-09-24T11:19:13Z)
• Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
  安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。 ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。 しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。 我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
  論文  参考訳（メタデータ） (2023-08-24T01:30:18Z)
• Visual Information Extraction in the Wild: Practical Dataset and End-to-end Solution [48.693941280097974]
  視覚情報抽出(VIE)のためのカメラ画像からなる大規模データセットを提案する。 我々は,OCRの段階と情報抽出をエンド・ツー・エンドの学習方式で組み合わせた,エンド・ツー・エンドVIEのための新しいフレームワークを提案する。 提案したデータセット上で既存のVIEのエンド・ツー・エンド手法を評価し,これらの手法の性能がSROIEから提案したデータセットに相違があることを観察した。
  論文  参考訳（メタデータ） (2023-05-12T14:11:47Z)
• SGED: A Benchmark dataset for Performance Evaluation of Spiking Gesture Emotion Recognition [12.396844568607522]
  我々は、既存のデータセットの分析に基づいて、新しい同質なマルチモーダルジェスチャー感情認識データセットをラベル付けする。 本稿では,このデータセットに基づく擬似二重フローネットワークを提案し,このデータセットの適用可能性を検証する。
  論文  参考訳（メタデータ） (2023-04-28T09:32:09Z)
• Modeling Entities as Semantic Points for Visual Information Extraction in the Wild [55.91783742370978]
  文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。 我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。 提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
  論文  参考訳（メタデータ） (2023-03-23T08:21:16Z)
• A communication efficient distributed learning framework for smart environments [0.4898659895355355]
  本稿では,データ生成箇所にデータ分析を近づける分散学習フレームワークを提案する。 分散機械学習技術を使用することで、クラウドソリューションに匹敵するパフォーマンスを確保しながら、ネットワークオーバーヘッドを大幅に削減することができる。 分析はまた、ノード上のデータの特定の分布に基づいて、各分散学習アプローチがいつ好ましいかを示す。
  論文  参考訳（メタデータ） (2021-09-27T13:44:34Z)
• Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
  顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。 これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
  論文  参考訳（メタデータ） (2021-09-21T16:18:45Z)
• Robust Image Retrieval-based Visual Localization using Kapture [10.249293519246478]
  視覚的ローカライゼーションのための多用途パイプラインを提案する。 8つの公開データセットで評価し、それらが上位にランクされ、その多くが上位にランクされている。 今後の研究を促進するため、我々は、BSDライセンス下でオープンソースであるKaptureフォーマットで、コード、モデル、およびすべてのデータセットをリリースする。
  論文  参考訳（メタデータ） (2020-07-27T21:10:35Z)
• Gradient-Induced Co-Saliency Detection [81.54194063218216]
  Co-SOD(Co-saliency Detection)は、一般的な唾液前景を関連画像のグループに分割することを目的としている。 本稿では,人間の行動にインスパイアされた,勾配誘導型共分散検出法を提案する。
  論文  参考訳（メタデータ） (2020-04-28T08:40:55Z)

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。