論文の概要: Deep4Air: A Novel Deep Learning Framework for Airport Airside
Surveillance
- arxiv url: http://arxiv.org/abs/2010.00806v2
- Date: Wed, 21 Jul 2021 14:58:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 01:42:43.977942
- Title: Deep4Air: A Novel Deep Learning Framework for Airport Airside
Surveillance
- Title（参考訳）: Deep4Air:空港の上空監視のための新しいディープラーニングフレームワーク
- Authors: Phat Thai, Sameer Alam, Nimrod Lilith, Phu N. Tran, Binh Nguyen Thanh
- Abstract要約: コンピュータビジョンに基づく新しいフレームワーク,すなわち"Deep4Air"を提案する。
滑走路やタクシー道で航空機の速度と距離をリアルタイムで分析する。
提案するフレームワークは、航空機を効率的に検出・追跡する適応型ディープニューラルネットワークを含む。
- 参考スコア（独自算出の注目度）: 0.9449650062296822
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An airport runway and taxiway (airside) area is a highly dynamic and complex
environment featuring interactions between different types of vehicles (speed
and dimension), under varying visibility and traffic conditions. Airport ground
movements are deemed safety-critical activities, and safe-separation procedures
must be maintained by Air Traffic Controllers (ATCs). Large airports with
complicated runway-taxiway systems use advanced ground surveillance systems.
However, these systems have inherent limitations and a lack of real-time
analytics. In this paper, we propose a novel computer-vision based framework,
namely "Deep4Air", which can not only augment the ground surveillance systems
via the automated visual monitoring of runways and taxiways for aircraft
location, but also provide real-time speed and distance analytics for aircraft
on runways and taxiways. The proposed framework includes an adaptive deep
neural network for efficiently detecting and tracking aircraft. The
experimental results show an average precision of detection and tracking of up
to 99.8% on simulated data with validations on surveillance videos from the
digital tower at George Bush Intercontinental Airport. The results also
demonstrate that "Deep4Air" can locate aircraft positions relative to the
airport runway and taxiway infrastructure with high accuracy. Furthermore,
aircraft speed and separation distance are monitored in real-time, providing
enhanced safety management.
- Abstract（参考訳）: 空港滑走路・タクシー道(エアサイド)エリアは、可視性と交通状況の異なる様々な種類の車両(速度と寸法)間の相互作用を特徴とする、非常にダイナミックで複雑な環境である。
空港の地上移動は安全クリティカルな活動と見なされ、安全分離手順は航空管制官(atc)によって維持されなければならない。
複雑な滑走路税制の空港は高度な地上監視システムを使用している。
しかし、これらのシステムには固有の制限とリアルタイム分析の欠如がある。
本稿では,滑走路やタクシーの航空機位置の自動監視による地上監視システムを強化するだけでなく,滑走路やタクシーにおける航空機のリアルタイム速度と距離分析を提供する,新しいコンピュータビジョンベースのフレームワーク「deep4air」を提案する。
提案するフレームワークは、航空機を効率的に検出・追跡する適応型ディープニューラルネットワークを含む。
実験の結果、ジョージ・ブッシュ大陸間空港のデジタルタワーからの監視ビデオの検証を行い、シミュレーションデータから最大99.8%の精度で検出と追跡を行うことができた。
また,「ディープ4エア」は空港滑走路やタクシーのインフラに対して高い精度で航空機の位置を特定できることを示した。
さらに、航空機の速度と分離距離をリアルタイムで監視し、安全管理を強化する。
関連論文リスト
- Big data-driven prediction of airspace congestion [40.02298833349518]
国立航空宇宙システム(NAS)内の特定の空域セクターの航空機数を正確に予測する新しいデータ管理・予測システムを提案する。
前処理ステップでは、システムは受信した生データを処理し、それをコンパクトなサイズに減らし、コンパクトなデータベースに格納する。
予測段階において、システムは歴史的軌跡から学習し、そのセグメントを使用して、セクター境界交差、気象パラメータ、その他の航空交通データなどの重要な特徴を収集する。
論文 参考訳（メタデータ） (2023-10-13T09:57:22Z) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳（メタデータ） (2023-10-08T21:32:30Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Towards Cooperative Flight Control Using Visual-Attention [61.99121057062421]
本稿では,パイロットと制御システム間の並列自律性を実現するための,視覚に基づくエアガードシステムを提案する。
我々の注意に基づく航空防衛システムは、飛行への関与レベルとパイロットの専門知識と注意のトレードオフをバランスさせることができる。
論文 参考訳（メタデータ） (2022-12-21T15:31:47Z) - AirTrack: Onboard Deep Learning Framework for Long-Range Aircraft
Detection and Tracking [3.3773749296727535]
AirTrackは、sUASシステムのサイズ、重量、電力制約を尊重するリアルタイムの視覚のみの検出および追跡フレームワークである。
AirTrackは、Amazon Airborne Object Tracking(AOT)で最先端のアートベースラインを上回ります。
実験による評価から,本システムでは,最大で700mまでの95%以上をトラックできる可能性が示唆された。
論文 参考訳（メタデータ） (2022-09-26T16:58:00Z) - Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。
Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
論文 参考訳（メタデータ） (2022-05-13T21:55:28Z) - Vision in adverse weather: Augmentation using CycleGANs with various
object detectors for robust perception in autonomous racing [70.16043883381677]
自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。
悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。
本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
論文 参考訳（メタデータ） (2022-01-10T10:02:40Z) - Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。
本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。
本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
論文 参考訳（メタデータ） (2021-11-17T21:48:31Z) - Airport Taxi Time Prediction and Alerting: A Convolutional Neural
Network Approach [0.0]
本稿では,空港における平均配車時間が,次の1時間以内に予め定義された閾値を超えるかどうかを予測し,判定するための新しい手法を提案する。
空港表面データを暗黙的かつ自動的に適応固有情報が人工知能(AI)によって推測されるように組み込んだコンピュータビジョンベースモデルを提案する。
論文 参考訳（メタデータ） (2021-11-17T14:23:54Z) - A Simplified Framework for Air Route Clustering Based on ADS-B Data [0.0]
本稿では,ADS-Bデータに基づく空港間の典型的な航空路の検出を支援する枠組みを提案する。
実のところ,エアフロー最適化の計算コストを実質的に低減するために,我々の枠組みを考慮に入れることができる。
論文 参考訳（メタデータ） (2021-07-07T08:55:31Z) - Spatio-Temporal Data Mining for Aviation Delay Prediction [15.621546618044173]
本研究では,商業飛行における長期記憶ネットワーク(LSTM)に基づく航空機遅延予測システムを提案する。
このシステムは、自動監視放送(ADS-B)メッセージから歴史的軌跡から学習する。
従来と比べ,大規模なハブ空港ではより堅牢で正確であることが実証された。
論文 参考訳（メタデータ） (2021-03-20T18:37:06Z)
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。