論文の概要: Rock Hunting With Martian Machine Vision
- arxiv url: http://arxiv.org/abs/2104.04359v1
- Date: Fri, 9 Apr 2021 13:44:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-12 16:49:54.348434
- Title: Rock Hunting With Martian Machine Vision
- Title(参考訳): 火星のマシンビジョンでロックハンティング
- Authors: David Noever, Samantha E. Miller Noever
- Abstract要約: 火星の岩石の分類と検出のための深層学習手法を検討する。
2値分類(rock vs. rover)の精度は97%以上である。
フレームレートが速い(毎秒1フレーム)が精度は低い低出力岩狩機(37%)を実演する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The Mars Perseverance rover applies computer vision for navigation and hazard
avoidance. The challenge to do onboard object recognition highlights the need
for low-power, customized training, often including low-contrast backgrounds.
We investigate deep learning methods for the classification and detection of
Martian rocks. We report greater than 97% accuracy for binary classifications
(rock vs. rover). We fine-tune a detector to render geo-located bounding boxes
while counting rocks. For these models to run on microcontrollers, we shrink
and quantize the neural networks' weights and demonstrate a low-power rock
hunter with faster frame rates (1 frame per second) but lower accuracy (37%).
- Abstract(参考訳): Mars Perseveranceローバーは、ナビゲーションとハザード回避にコンピュータビジョンを適用している。
オンボードオブジェクト認識の課題は、低消費電力でカスタマイズされたトレーニングの必要性を強調している。
火星岩石の分類と検出のための深層学習法について検討した。
2値分類(rock vs. rover)の精度は97%以上である。
我々は、岩を数えながら位置決めされた境界箱をレンダリングする検出器を微調整する。
これらのモデルがマイクロコントローラ上で動作するために、ニューラルネットワークの重みを縮小して定量化し、より高速なフレームレート(1フレーム/秒)で精度が低いロックハンター(37%)を示す。
関連論文リスト
- Automatic characterization of boulders on planetary surfaces from
high-resolution satellite images [4.817284512836187]
岩は様々な地質学的プロセスから形成され、その大きさ、形状、配向がより深く理解するのに役立ちます。
我々は、高解像度衛星画像におけるボルダーの検出とアウトライン化のために、インスタンスセグメンテーションニューラルネットワークであるMask R-CNNを使用している。
私たちのニューラルネットワークであるBoulderNetは、地球、月、火星の750枚の画像タイルに33,000個のボールダーのデータセットからトレーニングされました。
論文 参考訳(メタデータ) (2024-01-15T08:14:23Z) - Reward Finetuning for Faster and More Accurate Unsupervised Object
Discovery [64.41455104593304]
Reinforcement Learning from Human Feedback (RLHF)は、機械学習モデルを改善し、それを人間の好みに合わせる。
本稿では,RL法と類似した手法を非教師対象発見に適用することを提案する。
私たちは、我々のアプローチがより正確であるだけでなく、訓練よりも桁違いに高速であることを示した。
論文 参考訳(メタデータ) (2023-10-29T17:03:12Z) - 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) - Mixed-domain Training Improves Multi-Mission Terrain Segmentation [0.9566312408744931]
現在の火星の地形区分モデルは、異なる領域にまたがる配置のために再訓練を必要とする。
本研究では,火星表面のマルチミッションセマンティックセマンティックセグメンテーションのために,バックボーンの教師なしコントラスト事前学習を利用する半教師付き学習手法を提案する。
論文 参考訳(メタデータ) (2022-09-27T20:25:24Z) - Crack detection using tap-testing and machine learning techniques to
prevent potential rockfall incidents [68.8204255655161]
本稿では,岩盤の自動探傷システムを提案する。
ロボットは、岩面を何度も打ったり、タップしたりするのに使用される。
音はロボットによって収集され、壊れやすい岩を識別する意図で分類される。
論文 参考訳(メタデータ) (2021-10-10T22:53:36Z) - Towards Robust Monocular Visual Odometry for Flying Robots on Planetary
Missions [49.79068659889639]
火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。
高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。
また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
論文 参考訳(メタデータ) (2021-09-12T12:52:20Z) - 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) - Machine Learning for Semi-Automated Meteorite Recovery [0.0]
本稿では,ドローンと機械学習アルゴリズムを用いて,火球ネットワークによって観測・制約された隕石の落下を回収する新しい手法を提案する。
このアプローチでは、特定の落下地点の局所的な地形の画像を使用して、隕石候補を検出するように設計された人工ニューラルネットワークをトレーニングする。
我々は, 隕石検出率を75~97%と評価し, また, 偽陽性を除去するための効率的なメカニズムについて検討した。
論文 参考訳(メタデータ) (2020-09-29T08:27:41Z) - Image Generation for Efficient Neural Network Training in Autonomous
Drone Racing [15.114944019221456]
自律型ドローンレースでは、未知の環境で完全に自律的に飛行することで、この課題を達成する必要がある。
色や幾何学に基づく従来の物体検出アルゴリズムは失敗する傾向がある。
本研究では,実際の背景画像とゲートのランダム化3次元レンダリングを組み合わせた半合成データセット生成手法を提案する。
論文 参考訳(メタデータ) (2020-08-06T12:07:36Z) - Drone-based RGB-Infrared Cross-Modality Vehicle Detection via
Uncertainty-Aware Learning [59.19469551774703]
ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。
我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。
私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
論文 参考訳(メタデータ) (2020-03-05T05:29:44Z)
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。