論文の概要: Challenges in Vessel Behavior and Anomaly Detection: From Classical Machine Learning to Deep Learning

• arxiv url: http://arxiv.org/abs/2004.03722v1
• Date: Tue, 7 Apr 2020 21:25:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-15 23:12:59.719759
• Title: Challenges in Vessel Behavior and Anomaly Detection: From Classical Machine Learning to Deep Learning
• Title（参考訳）: 容器の挙動と異常検出の課題:古典的機械学習からディープラーニングへ
• Authors: Lucas May Petry, Amilcar Soares, Vania Bogorny, Bruno Brandoli, Stan Matwin
• Abstract要約: 本稿では,従来の機械学習と深層学習の課題と機会について論じる。 これらの課題に対処することは、実際のインテリジェントな海上監視システムにとって重要なステップであり、新しい方法やツールの研究を動機づけたいと考えています。
• 参考スコア（独自算出の注目度）: 10.61567813380562
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The global expansion of maritime activities and the development of the Automatic Identification System (AIS) have driven the advances in maritime monitoring systems in the last decade. Monitoring vessel behavior is fundamental to safeguard maritime operations, protecting other vessels sailing the ocean and the marine fauna and flora. Given the enormous volume of vessel data continually being generated, real-time analysis of vessel behaviors is only possible because of decision support systems provided with event and anomaly detection methods. However, current works on vessel event detection are ad-hoc methods able to handle only a single or a few predefined types of vessel behavior. Most of the existing approaches do not learn from the data and require the definition of queries and rules for describing each behavior. In this paper, we discuss challenges and opportunities in classical machine learning and deep learning for vessel event and anomaly detection. We hope to motivate the research of novel methods and tools, since addressing these challenges is an essential step towards actual intelligent maritime monitoring systems.
• Abstract（参考訳）: 海上活動のグローバル展開と自動識別システム(AIS)の開発は、過去10年間の海上監視システムの進歩を加速させてきた。 船舶の挙動の監視は海洋活動の保護に不可欠であり、海洋を航行する他の船舶や海洋動物相や植物相を保護している。 連続的に生成される膨大な量の船舶データを考えると、リアルタイムな船舶行動解析は、イベントおよび異常検出方式を備えた意思決定支援システムによってのみ可能となる。 しかしながら、コンテナイベント検出に関する現在の作業は、単一のあるいはいくつかの事前定義されたタイプのコンテナ振舞いのみを処理できるアドホックな方法である。 既存のアプローチのほとんどはデータから学習せず、それぞれの振る舞いを記述するためにクエリとルールを定義する必要があります。 本稿では,コンテナイベントや異常検出における古典的機械学習とディープラーニングの課題と機会について論じる。 これらの課題に対処することは、実際のインテリジェントな海上監視システムにとって重要なステップであり、新しい方法やツールの研究を動機づけたいと考えています。

関連論文リスト

• A Computer Vision Approach to Estimate the Localized Sea State [45.498315114762484]
  本研究は, 船橋に設置した静止カメラ1台が捉えた運用用封筒内の海像の活用に焦点を当てた。 収集した画像は、深層学習モデルを訓練し、ビューフォートスケールに基づいて海の状態を自動的に認識する。
  論文  参考訳（メタデータ） (2024-07-04T09:07:25Z)
• Vessel Re-identification and Activity Detection in Thermal Domain for Maritime Surveillance [1.3649912426141015]
  視界に基づく海上監視は、夜間の視界の問題により困難である。 本研究では, 物体追跡, 容器再同定, 不審な活動検出機能を備えた海洋監視のための熱的, 視覚的アプローチを提案する。 このデータセットは、熱海洋監視のための最初の公開ベンチマークデータセットである。
  論文  参考訳（メタデータ） (2024-06-12T14:57:37Z)
• Aeolus Ocean -- A simulation environment for the autonomous COLREG-compliant navigation of Unmanned Surface Vehicles using Deep Reinforcement Learning and Maritime Object Detection [0.0]
  海上部門における無人水上機(USV)の航行自律性は、より安全な水と運用コストの削減につながる可能性がある。 本稿では, 現実的な海洋シミュレーション環境において, COLREG 準拠の DRL を用いた衝突回避航法システムの開発について述べる。
  論文  参考訳（メタデータ） (2023-07-13T11:20:18Z)
• Interactive System-wise Anomaly Detection [66.3766756452743]
  異常検出は様々なアプリケーションにおいて基本的な役割を果たす。 既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。 システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
  論文  参考訳（メタデータ） (2023-04-21T02:20:24Z)
• 1st Workshop on Maritime Computer Vision (MaCVi) 2023: Challenge Results [152.54137779547068]
  本報告では、個々のサブチャンジの主な発見を要約し、SeaDronesSee Object Detection v2と呼ばれる新しいベンチマークを導入する。 データセット、評価コード、リーダーボードはhttps://seadronessee.cs.uni-tuebingen.de/macvi.comで公開されている。
  論文  参考訳（メタデータ） (2022-11-24T09:59:13Z)
• Behavioral Intention Prediction in Driving Scenes: A Survey [70.53285924851767]
  行動意図予測(BIP)は、人間の思考過程をシミュレートし、特定の行動の早期予測を満たす。 この作業は、利用可能なデータセット、重要な要因と課題、歩行者中心および車両中心のBIPアプローチ、BIP対応アプリケーションからのBIPの包括的なレビューを提供する。
  論文  参考訳（メタデータ） (2022-11-01T11:07:37Z)
• Real-Time Event-Based Tracking and Detection for Maritime Environments [1.6058099298620423]
  イベントカメラは、高速で動くオブジェクトをキャプチャできるため、オブジェクト追跡アプリケーションに最適である。 既存のイベントベースのクラスタリングと、監視とオブジェクト検出のための機能トラッキングアプローチは、ほとんどのケースでうまく機能します。 しかし、海洋環境は、大半を発生させる波の傾向など、ユニークな課題を生んでいる。
  論文  参考訳（メタデータ） (2022-02-09T02:30:27Z)
• Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
  水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。 提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
  論文  参考訳（メタデータ） (2020-11-28T05:51:19Z)
• Active Visual Information Gathering for Vision-Language Navigation [115.40768457718325]
  視覚言語ナビゲーション(VLN)は、エージェントがフォトリアリスティックな環境の中でナビゲーションの指示を行うためのタスクである。 VLNの重要な課題の1つは、曖昧な指示による不確実性を緩和し、環境の観察を不十分にすることで、堅牢なナビゲーションを行う方法である。 この研究は、人間のナビゲーション行動からインスピレーションを得て、よりインテリジェントなVLNポリシーのためのアクティブな情報収集能力を持つエージェントを提供する。
  論文  参考訳（メタデータ） (2020-07-15T23:54:20Z)
• Training-free Monocular 3D Event Detection System for Traffic Surveillance [93.65240041833319]
  既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。 現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。 本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
  論文  参考訳（メタデータ） (2020-02-01T04:42:57Z)

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。