論文の概要: EmergencyNet: Efficient Aerial Image Classification for Drone-Based
Emergency Monitoring Using Atrous Convolutional Feature Fusion
- arxiv url: http://arxiv.org/abs/2104.14006v1
- Date: Wed, 28 Apr 2021 20:24:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-30 13:05:49.664240
- Title: EmergencyNet: Efficient Aerial Image Classification for Drone-Based
Emergency Monitoring Using Atrous Convolutional Feature Fusion
- Title（参考訳）: emergencynet:arous convolutional feature fusionを用いたドローン型緊急監視のための高効率空中画像分類法
- Authors: Christos Kyrkou and Theocharis Theocharides
- Abstract要約: 本稿では,緊急対応・監視用uavの航空機画像の効率的な分類について述べる。
緊急対応アプリケーションのための専用空中画像データベースを導入し、既存のアプローチの比較分析を行う。
マルチレゾリューション機能を処理するために,アトラス畳み込みに基づく軽量畳み込みニューラルネットワークアーキテクチャが提案されている。
- 参考スコア（独自算出の注目度）: 8.634988828030245
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Deep learning-based algorithms can provide state-of-the-art accuracy for
remote sensing technologies such as unmanned aerial vehicles (UAVs)/drones,
potentially enhancing their remote sensing capabilities for many emergency
response and disaster management applications. In particular, UAVs equipped
with camera sensors can operating in remote and difficult to access
disaster-stricken areas, analyze the image and alert in the presence of various
calamities such as collapsed buildings, flood, or fire in order to faster
mitigate their effects on the environment and on human population. However, the
integration of deep learning introduces heavy computational requirements,
preventing the deployment of such deep neural networks in many scenarios that
impose low-latency constraints on inference, in order to make mission-critical
decisions in real time. To this end, this article focuses on the efficient
aerial image classification from on-board a UAV for emergency
response/monitoring applications. Specifically, a dedicated Aerial Image
Database for Emergency Response applications is introduced and a comparative
analysis of existing approaches is performed. Through this analysis a
lightweight convolutional neural network architecture is proposed, referred to
as EmergencyNet, based on atrous convolutions to process multiresolution
features and capable of running efficiently on low-power embedded platforms
achieving upto 20x higher performance compared to existing models with minimal
memory requirements with less than 1% accuracy drop compared to
state-of-the-art models.
- Abstract（参考訳）: ディープラーニングベースのアルゴリズムは、無人航空機(UAV)やドローンのようなリモートセンシング技術に対して最先端の精度を提供し、多くの緊急対応および災害管理アプリケーションに対するリモートセンシング能力を向上する可能性がある。
特に、カメラセンサーを装備したuavは遠隔操作が可能で、災害地域へのアクセスが困難であり、崩壊した建物、洪水、火災などの様々な災害発生時に画像を分析し、警告することで、環境や人口への影響を迅速に緩和することができる。
しかし、ディープラーニングの統合は、大きな計算要件を導入し、ミッションクリティカルな決定をリアルタイムで行うために、推論に低レイテンシの制約を課す多くのシナリオにおいて、そのようなディープニューラルネットワークの展開を妨げる。
この目的のために本稿では,緊急対応・監視用uavの航空機画像の効率的な分類に焦点をあてる。
具体的には、緊急対応アプリケーションのための専用空中画像データベースを導入し、既存のアプローチの比較分析を行う。
この分析を通じて、マルチレゾリューション機能を処理するためのアトラスな畳み込みに基づく、軽量な畳み込みニューラルネットワークアーキテクチャが提案され、最先端モデルと比較して1%未満の精度で最小限のメモリ要件を持つ既存モデルと比較して、最大20倍のパフォーマンスを達成することができる。
関連論文リスト
- Real-Time Multi-Scene Visibility Enhancement for Promoting Navigational Safety of Vessels Under Complex Weather Conditions [48.529493393948435]
この可視光カメラは、インテリジェントな水上輸送システムにおいて、海洋表面の容器に不可欠なイメージングセンサーとして登場した。
視覚画像の画質は、複雑な気象条件下での様々な劣化に必然的に悩まされる。
本研究では,異なる気象条件下で撮影された劣化画像を復元する汎用多場面可視性向上手法を開発した。
論文 参考訳（メタデータ） (2024-09-02T23:46:27Z) - Streamlining Forest Wildfire Surveillance: AI-Enhanced UAVs Utilizing the FLAME Aerial Video Dataset for Lightweight and Efficient Monitoring [4.303063757163241]
本研究では,災害対応シナリオにおけるリアルタイムデータ処理の必要性を認識し,航空映像理解のための軽量かつ効率的なアプローチを提案する。
提案手法は、ポリシーネットワークを介してビデオ内の冗長部分を識別し、フレーム圧縮技術を用いて余分な情報を除去する。
ベースラインと比較して,提案手法は計算コストを13倍以上削減し,精度を3$%向上させる。
論文 参考訳（メタデータ） (2024-08-31T17:26:53Z) - Hardware Acceleration for Real-Time Wildfire Detection Onboard Drone
Networks [6.313148708539912]
遠隔地や森林地帯での山火事の検出は 破壊と生態系の保全を 最小化するのに不可欠です
ドローンは、高度な撮像技術を備えた、リモートで困難な地形へのアジャイルアクセスを提供する。
限られた計算とバッテリリソースは、画像分類モデルの実装と効率的な実装に困難をもたらす。
本稿では,リアルタイム画像分類と火災分断モデルの構築を目的とする。
論文 参考訳（メタデータ） (2024-01-16T04:16:46Z) - Burnt area extraction from high-resolution satellite images based on
anomaly detection [1.8843687952462738]
本稿では,ベクトル量子化変分オートエンコーダ(VQ-VAE)を用いて,非教師なし領域抽出を行う。
VQ-VAEをエンド・ツー・エンドのフレームワークに統合し、専用の植生、水、明るさ指数を用いて、集中的な後処理を行う。
論文 参考訳（メタデータ） (2023-08-25T13:25:27Z) - Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual
Antenna Arrays [55.736718475856726]
無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である
既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。
協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
論文 参考訳（メタデータ） (2023-08-03T02:49:50Z) - LSwinSR: UAV Imagery Super-Resolution based on Linear Swin Transformer [7.3817359680010615]
超高分解能技術は無人航空機(UAV)に特に有用である
本稿では,UAV画像の高分解能化のために,最先端のSwin Transformerに基づく新しいネットワークを提案する。
論文 参考訳（メタデータ） (2023-03-17T20:14:10Z) - Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge
TPU [58.720142291102135]
本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。
我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
論文 参考訳（メタデータ） (2022-04-07T08:53:18Z) - ADAPT: An Open-Source sUAS Payload for Real-Time Disaster Prediction and
Response with AI [55.41644538483948]
小型無人航空機システム(sUAS)は、多くの人道支援や災害対応作戦において顕著な構成要素となっている。
我々は,SUAS上にリアルタイムAIとコンピュータビジョンをデプロイするための,オープンソースのADAPTマルチミッションペイロードを開発した。
本研究では,河川氷の状態を監視し,破滅的な洪水現象をタイムリーに予測するための,リアルタイム・飛行中の氷分断の例を示す。
論文 参考訳（メタデータ） (2022-01-25T14:51:19Z) - 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) - Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using
Meta-Learning [64.92447072894055]
赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。
既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。
KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
論文 参考訳（メタデータ） (2021-10-07T02:28:18Z) - Efficient Real-Time Image Recognition Using Collaborative Swarm of UAVs
and Convolutional Networks [9.449650062296824]
本稿では,画像の分類を行うリソース制約付きUAV群に推論要求を分散する戦略を提案する。
画像の取得と最終的な決定の待ち時間を最小限に抑える最適化問題としてモデルを定式化する。
私たちは、利用可能なUAV間で最高のレイテンシを提供するレイヤ配置戦略を見つけるために、オンラインソリューション、すなわちDistInferenceを導入します。
論文 参考訳（メタデータ） (2021-07-09T19:47:02Z)
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。