論文の概要: Gaining Scale Invariance in UAV Bird's Eye View Object Detection by Adaptive Resizing

• arxiv url: http://arxiv.org/abs/2101.12694v1
• Date: Fri, 29 Jan 2021 17:26:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-01 15:41:39.876191
• Title: Gaining Scale Invariance in UAV Bird's Eye View Object Detection by Adaptive Resizing
• Title（参考訳）: アダプティブ・リサイズによるUAVバードの目視物体検出におけるスケール不変性獲得
• Authors: Martin Messmer, Benjamin Kiefer, Andreas Zell
• Abstract要約: 我々は,UAV鳥の目視画像に適用可能な新しい前処理ステップを導入し,それをAdaptive Resizingと呼ぶ。 これは、UAVデータセットに固有のオブジェクトのスケールの広大な分散を調整するために構築されている。 私たちは、UAVDT、VisDrone、そして新しいデータセットでこれを広範囲にテストしました。
• 参考スコア（独自算出の注目度）: 14.853897011640022
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we introduce a new preprocessing step applicable to UAV bird's eye view imagery, which we call Adaptive Resizing. It is constructed to adjust the vast variances in objects' scales, which are naturally inherent to UAV data sets. Furthermore, it improves inference speed by four to five times on average. We test this extensively on UAVDT, VisDrone, and on a new data set, we captured ourselves. On UAVDT, we achieve more than 100 % relative improvement in AP50. Moreover, we show how this method can be applied to a general UAV object detection task. Additionally, we successfully test our method on a domain transfer task where we train on some interval of altitudes and test on a different one. Code will be made available at our website.
• Abstract（参考訳）: 本研究では,UAV鳥の視線画像に適用可能な新しい前処理ステップを導入し,適応リサイズ(Adaptive Resizing)と呼ぶ。 これは、UAVデータセットに固有のオブジェクトのスケールの広大な分散を調整するために構築されている。 さらに、平均で4倍から5倍の推論速度を改善します。 私たちは、UAVDT、VisDrone、そして新しいデータセットでこれを広範囲にテストしました。 UAVDTでは,AP50では100%以上の相対的な改善が達成されている。 さらに、この方法が一般的なUAVオブジェクト検出タスクにどのように適用できるかを示す。 さらに,一定の高度で訓練し,異なる領域でテストを行うドメイン転送タスクにおいて,その手法をうまくテストできた。 コードは当社のウェブサイトで公開されます。

関連論文リスト

• UEVAVD: A Dataset for Developing UAV's Eye View Active Object Detection [13.208447570946173]
  排除は、UAVベースの物体検出に挑戦する長年の困難である。 Active Object Detection (AOD)は、この目的を達成する効果的な方法を提供する。 我々は、UAV AOD問題の研究を促進するために、UAVの目視アクティブビジョンデータセットUEVAVDをリリースする。
  論文  参考訳（メタデータ） (2024-11-07T01:10:05Z)
• SFTrack: A Robust Scale and Motion Adaptive Algorithm for Tracking Small and Fast Moving Objects [2.9803250365852443]
  本稿では,無人航空機(UAV)映像における多物体追跡の問題に対処する。 交通監視システムや警察によるリアルタイム容疑者追跡など、様々なUAVアプリケーションにおいて重要な役割を果たしている。 低信頼度検出から対象物体の追跡を開始する新しい追跡戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-26T05:09:20Z)
• SOAR: Self-supervision Optimized UAV Action Recognition with Efficient Object-Aware Pretraining [65.9024395309316]
  無人航空機(UAV)が捉えた航空映像の自己監督型事前学習アルゴリズムについて紹介する。 我々は,UAVビデオの事前学習効率と下流行動認識性能を向上させるために,事前学習プロセスを通じて人体知識を取り入れた。
  論文  参考訳（メタデータ） (2024-09-26T21:15:22Z)
• UAVDB: Trajectory-Guided Adaptable Bounding Boxes for UAV Detection [0.03464344220266879]
  パッチ強度収束(Patch Intensity Convergence、PIC)技術は、手動ラベリングなしでUAV検出のための高忠実なバウンディングボックスを生成する。 この技術は、UAV検出に特化した専用データベースであるUAVDBの基礎となる。 我々は,最先端(SOTA)YOLO系列検出器を用いてUAVDBをベンチマークし,総合的な性能解析を行った。
  論文  参考訳（メタデータ） (2024-09-09T13:27:53Z)
• Rotation Invariant Transformer for Recognizing Object in UAVs [66.1564328237299]
  本稿では,UAVから興味の対象を認識するための回転不変視変換器(RotTrans)を提案する。 RotTrans は最先端の mAP と Rank1 よりも5.9%、かつ 4.8% 高い最先端の 最先端の 最先端の 最先端の 技術 をはるかに上回っている。 我々のソリューションは、マルチモーダルビデオ推論・アナライジングコンペティションにおいて、UAVベースの人物認識トラックで第一位を獲得しました。
  論文  参考訳（メタデータ） (2023-11-05T03:55:08Z)
• AZTR: Aerial Video Action Recognition with Auto Zoom and Temporal Reasoning [63.628195002143734]
  本稿では,空中映像の行動認識のための新しい手法を提案する。 提案手法は,UAVを用いて撮影したビデオに対して設計されており,エッジやモバイルデバイス上でも動作可能である。 我々は、カスタマイズされたオートズームを使用して、人間のターゲットを自動的に識別し、適切にスケールする学習ベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-03-02T21:24:19Z)
• A$^2$-UAV: Application-Aware Content and Network Optimization of Edge-Assisted UAV Systems [12.847650904294033]
  エッジで正しく実行されるタスク数を最適化する新しいA$2$-UAVフレームワークを提案する。 A$2$-TPPは、ディープニューラルネットワーク(DNN)の精度と画像圧縮の関係を考慮している。 4機のDJI Mavic Air 2 UAVによるテストベッドを用いた実世界の実験により,A$2$-TPPを広く評価した。
  論文  参考訳（メタデータ） (2023-01-16T11:17:32Z)
• Vision-Based UAV Self-Positioning in Low-Altitude Urban Environments [20.69412701553767]
  無人航空機(UAV)は安定した位置決めのために衛星システムに依存している。 このような状況下では、視覚に基づく技術が代替手段として機能し、UAVの自己配置能力を確実にする。 本稿では,UAV自己配置タスク用に設計された最初の公開データセットであるDenseUAVを提案する。
  論文  参考訳（メタデータ） (2022-01-23T07:18:55Z)
• 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)
• Anti-UAV: A Large Multi-Modal Benchmark for UAV Tracking [59.06167734555191]
  Unmanned Aerial Vehicle (UAV)は、商業とレクリエーションの両方に多くの応用を提供している。 我々は、UAVを追跡し、位置や軌道などの豊富な情報を提供するという課題を考察する。 300以上のビデオペアが580k以上の手動で注釈付きバウンディングボックスを含むデータセット、Anti-UAVを提案します。
  論文  参考訳（メタデータ） (2021-01-21T07:00:15Z)
• Perceiving Traffic from Aerial Images [86.994032967469]
  本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-16T11:37:43Z)

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。