論文の概要: Detection and Tracking Meet Drones Challenge

• arxiv url: http://arxiv.org/abs/2001.06303v3
• Date: Mon, 4 Oct 2021 03:37:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 00:20:01.203548
• Title: Detection and Tracking Meet Drones Challenge
• Title（参考訳）: ドローンの検知と追跡に挑戦
• Authors: Pengfei Zhu, Longyin Wen, Dawei Du, Xiao Bian, Heng Fan, Qinghua Hu, Haibin Ling
• Abstract要約: 本稿では、オブジェクト検出・追跡データセットとベンチマークのレビューを行い、手動アノテーションによる大規模ドローンによるオブジェクト検出・追跡データセットの収集の課題について論じる。 当社のVisDroneデータセットは、中国北部から南部にかけての14の都市部と郊外部で収集されたものです。 本稿では,ドローンにおける大規模物体検出・追跡の現場の現状を詳細に分析し,今後の方向性を提案するとともに,課題を結論づける。
• 参考スコア（独自算出の注目度）: 131.31749447313197
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Drones, or general UAVs, equipped with cameras have been fast deployed with a wide range of applications, including agriculture, aerial photography, and surveillance. Consequently, automatic understanding of visual data collected from drones becomes highly demanding, bringing computer vision and drones more and more closely. To promote and track the developments of object detection and tracking algorithms, we have organized three challenge workshops in conjunction with ECCV 2018, ICCV 2019 and ECCV 2020, attracting more than 100 teams around the world. We provide a large-scale drone captured dataset, VisDrone, which includes four tracks, i.e., (1) image object detection, (2) video object detection, (3) single object tracking, and (4) multi-object tracking. In this paper, we first present a thorough review of object detection and tracking datasets and benchmarks, and discuss the challenges of collecting large-scale drone-based object detection and tracking datasets with fully manual annotations. After that, we describe our VisDrone dataset, which is captured over various urban/suburban areas of 14 different cities across China from North to South. Being the largest such dataset ever published, VisDrone enables extensive evaluation and investigation of visual analysis algorithms for the drone platform. We provide a detailed analysis of the current state of the field of large-scale object detection and tracking on drones, and conclude the challenge as well as propose future directions. We expect the benchmark largely boost the research and development in video analysis on drone platforms. All the datasets and experimental results can be downloaded from https://github.com/VisDrone/VisDrone-Dataset.
• Abstract（参考訳）: カメラを搭載したドローン、あるいは一般的なuavは、農業、航空写真、監視など、幅広い用途で迅速に展開されている。 その結果、ドローンから収集された視覚データの自動理解が要求されるようになり、コンピュータビジョンとドローンがより緊密になる。 オブジェクト検出とトラッキングのアルゴリズムの開発を促進し、追跡するために、ECCV 2018、ICCV 2019、ECCV 2020とともに3つのチャレンジワークショップを開催しました。 本研究では,(1)イメージオブジェクト検出,(2)ビデオオブジェクト検出,(3)シングルオブジェクト追跡,(4)マルチオブジェクトトラッキングの4つのトラックを含む,大規模なドローン捕獲データセットVisDroneを提供する。 本稿では,まず,物体検出・追跡データセットとベンチマークの徹底的なレビューを行い,完全手動アノテーションによる大規模ドローンによる物体検出・追跡データセットの収集に関する課題について述べる。 その後、中国北部から南部にかけての14の都市・郊外で収集されたVisDroneデータセットについて述べる。 VisDroneはこれまでに発行された中で最大のデータセットであり、ドローンプラットフォームのためのビジュアル分析アルゴリズムの広範な評価と調査を可能にする。 本稿では,ドローンにおける大規模物体検出・追跡の現場の現状を詳細に分析し,今後の方向性を提案するとともに,課題を結論づける。 このベンチマークは、ドローンプラットフォームにおけるビデオ分析の研究と開発を大いに促進するものと期待しています。 すべてのデータセットと実験結果はhttps://github.com/VisDrone/VisDrone-Datasetからダウンロードできる。

関連論文リスト

• C2FDrone: Coarse-to-Fine Drone-to-Drone Detection using Vision Transformer Networks [23.133250476580038]
  衝突回避、敵のドローン対策、捜索救助活動など、さまざまな用途において、視覚に基づくドローンからドローンまでの検出システムは不可欠である。 ドローンの検出には、小さなオブジェクトのサイズ、歪み、リアルタイム処理要求など、ユニークな課題がある。 本稿では,視覚変換器に基づく粗大な検出手法を提案する。
  論文  参考訳（メタデータ） (2024-04-30T05:51:21Z)
• Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve Aerial Visual Perception? [57.77643186237265]
  我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。 MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。 これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
  論文  参考訳（メタデータ） (2023-12-07T18:59:14Z)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)
• GIAOTracker: A comprehensive framework for MCMOT with global information and optimizing strategies in VisDrone 2021 [6.4515884598231]
  GIAOTrackerという新しいオブジェクトトラッカーを提案する。 オンライン追跡、グローバルリンク、後処理の3段階で構成されている。 3つのステージの有効性により、GIAOTrackerはVisDrone MOTデータセット上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-02-24T09:42:00Z)
• DronePose: The identification, segmentation, and orientation detection of drones via neural networks [3.161871054978445]
  飛行中のドローンを完全に特徴付けるために,決定木とアンサンブル構造を用いたCNNを提案する。 我々のシステムは、ドローンの種類、方向(ピッチ、ロール、ヨー)を決定し、異なる身体部位を分類するためにセグメンテーションを行う。 また,高精度にラベル付けされた写真リアリスティックトレーニングデータを高速に生成するためのコンピュータモデルも提供する。
  論文  参考訳（メタデータ） (2021-12-10T12:34:53Z)
• A dataset for multi-sensor drone detection [67.75999072448555]
  近年,小型・遠隔操作無人航空機(UAV)の使用が増加している。 ドローン検出に関するほとんどの研究は、取得デバイスの種類、ドローンの種類、検出範囲、データセットを特定することに失敗している。 我々は、赤外線および可視ビデオとオーディオファイルを含むドローン検出のための注釈付きマルチセンサーデータベースにコントリビュートする。
  論文  参考訳（メタデータ） (2021-11-02T20:52:03Z)
• Scarce Data Driven Deep Learning of Drones via Generalized Data Distribution Space [12.377024173799631]
  GAN(Generative Adversarial Network)を通じて、ドローンデータの一般的な分布を理解することで、不足したデータを取得して、迅速かつ正確な学習を実現することができることを示す。 我々は、実際のドローン画像とコンピュータ支援設計のシミュレーション画像の両方を含むドローン画像データセット上で、我々の結果を実証した。
  論文  参考訳（メタデータ） (2021-08-18T17:07:32Z)
• Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
  本稿では,他の飛行ドローンからドローンを検知する問題に対処する。 ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。 これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-03-31T17:43:31Z)
• University-1652: A Multi-view Multi-source Benchmark for Drone-based Geo-localization [87.74121935246937]
  我々は、ドローンによるジオローカライゼーションのための新しいマルチビューベンチマーク、University-1652を紹介する。 大学1652は、世界中の1,652の大学の建物から合成ドローン、衛星、地上カメラなどの3つのプラットフォームからのデータを含んでいる。 実験の結果,University-1652は視点不変の特徴の学習を支援し,実世界のシナリオにおいて優れた一般化能力を有することが示された。
  論文  参考訳（メタデータ） (2020-02-27T15:24:15Z)

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。