論文の概要: UAV-ReID: A Benchmark on Unmanned Aerial Vehicle Re-identification

• arxiv url: http://arxiv.org/abs/2104.06219v1
• Date: Tue, 13 Apr 2021 14:13:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-14 13:36:56.458730
• Title: UAV-ReID: A Benchmark on Unmanned Aerial Vehicle Re-identification
• Title（参考訳）: UAV-ReID:無人航空機再識別のベンチマーク
• Authors: Daniel Organisciak, Brian K. S. Isaac-Medina, Matthew Poyser, Shanfeng Hu, Toby P. Breckon, Hubert P. H. Shum
• Abstract要約: 近年のディープラーニング開発により、視覚ベースの対UAVシステムは単一のカメラでUAVを検出し、追跡することができる。 単一のカメラのカバー範囲は限られており、カメラ間のUAVにマッチするマルチカメラ構成が必要である。 我々は,この新興地域での機械学習ソリューションの開発を容易にする,UAV-reIDという新しいUAV再識別データセットを提案する。
• 参考スコア（独自算出の注目度）: 21.48667873335246
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As unmanned aerial vehicles (UAVs) become more accessible with a growing range of applications, the potential risk of UAV disruption increases. Recent development in deep learning allows vision-based counter-UAV systems to detect and track UAVs with a single camera. However, the coverage of a single camera is limited, necessitating the need for multicamera configurations to match UAVs across cameras - a problem known as re-identification (reID). While there has been extensive research on person and vehicle reID to match objects across time and viewpoints, to the best of our knowledge, there has been no research in UAV reID. UAVs are challenging to re-identify: they are much smaller than pedestrians and vehicles and they are often detected in the air so appear at a greater range of angles. Because no UAV data sets currently use multiple cameras, we propose the first new UAV re-identification data set, UAV-reID, that facilitates the development of machine learning solutions in this emerging area. UAV-reID has two settings: Temporally-Near to evaluate performance across views to assist tracking frameworks, and Big-to-Small to evaluate reID performance across scale and to allow early reID when UAVs are detected from a long distance. We conduct a benchmark study by extensively evaluating different reID backbones and loss functions. We demonstrate that with the right setup, deep networks are powerful enough to learn good representations for UAVs, achieving 81.9% mAP on the Temporally-Near setting and 46.5% on the challenging Big-to-Small setting. Furthermore, we find that vision transformers are the most robust to extreme variance of scale.
• Abstract（参考訳）: 無人航空機(UAV)が様々な用途で利用できるようになると、UAVの破壊のリスクが高まる。 近年のディープラーニング開発により、視覚ベースの対UAVシステムは単一のカメラでUAVを検出し、追跡することができる。 しかし、単一のカメラのカバー範囲は限られており、カメラ間でUAVにマッチするマルチカメラ構成を必要とする - これはreID(re-identification)と呼ばれる問題である。 時間的・視点的にオブジェクトにマッチする人物と車両のreIDに関する研究は広く行われているが、私たちの知る限り、UAV reIDの研究は行われていない。 uavは歩行者や車両よりもはるかに小型で、空気中に検出されることが多いため、より広い角度で現れる。 現在UAVデータセットには複数のカメラが使用されていないため、この新興地域での機械学習ソリューションの開発を容易にする、UAV再識別データセットであるUAV-reIDを提案する。 UAV-reIDには2つの設定がある: ビューを横断してパフォーマンスを評価し、トラッキングフレームワークを補助し、Big-to-SmallはスケールにわたってreIDのパフォーマンスを評価し、UAVが長距離から検出されたときに早期のreIDを可能にする。 我々は、異なるreIDバックボーンと損失関数を広範囲に評価してベンチマーク研究を行う。 適切な設定で、深層ネットワークは、UAVの優れた表現を学ぶのに十分強力であり、時間外設定では81.9% mAP、挑戦的なビッグ・ツー・スモール設定では46.5%を達成している。 さらに、視覚トランスフォーマは、スケールの極端なばらつきに対して最も堅牢であることがわかった。

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)
• 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)
• Tiny Multi-Agent DRL for Twins Migration in UAV Metaverses: A Multi-Leader Multi-Follower Stackelberg Game Approach [57.15309977293297]
  無人航空機(UAV)とメタバースの相乗効果は、UAVメタバースと呼ばれる新しいパラダイムを生み出している。 本稿では,UAVメタバースにおける効率的なUTマイグレーションのためのプルーニング技術に基づく,機械学習に基づく小さなゲームフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-18T02:14:13Z)
• 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)
• Evidential Detection and Tracking Collaboration: New Problem, Benchmark and Algorithm for Robust Anti-UAV System [56.51247807483176]
  無人航空機(UAV)は輸送、監視、軍事など多くの地域で広く使われている。 従来は、UAVの先行情報が常に提供されていた追跡問題として、このようなアンチUAVタスクを単純化していた。 本稿では,従来のUAV情報を含まない複雑な場面において,UAVの認識を特徴とする新しい実用的対UAV問題を初めて定式化する。
  論文  参考訳（メタデータ） (2023-06-27T19:30:23Z)
• Learning to Compress Unmanned Aerial Vehicle (UAV) Captured Video: Benchmark and Analysis [54.07535860237662]
  本稿では,UAVビデオ符号化学習のための新しいタスクを提案し,そのようなタスクに対する包括的で体系的なベンチマークを構築する。 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コーディングの研究と開発を加速させるものと期待されている。
  論文  参考訳（メタデータ） (2023-01-15T15:18:02Z)
• Uncertainty Aware Multitask Pyramid Vision Transformer For UAV-Based Object Re-Identification [38.19907319079833]
  UAVベースのオブジェクトReIDのバックボーンとして、畳み込みのない新しいマルチスケールアーキテクチャであるPraamid Vision Transformer(PVT)を用いるマルチタスク学習手法を提案する。 クラス内変動の不確実性モデリングにより、不確実性認識オブジェクトIDとカメラID情報の両方を用いて、提案手法を協調的に最適化することができる。
  論文  参考訳（メタデータ） (2022-09-19T00:27:07Z)
• A Multi-UAV System for Exploration and Target Finding in Cluttered and GPS-Denied Environments [68.31522961125589]
  複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。 UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。 その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T12:54:04Z)
• 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)

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。