Fugu-MT 論文翻訳(概要): Drone Detection Using Convolutional Neural Networks

論文の概要: Drone Detection Using Convolutional Neural Networks

arxiv url: http://arxiv.org/abs/2107.01435v1
Date: Sat, 3 Jul 2021 13:26:06 GMT
ステータス: 処理完了
システム内更新日: 2021-07-07 07:43:06.420177
Title: Drone Detection Using Convolutional Neural Networks
Title（参考訳）: 畳み込みニューラルネットワークを用いたドローン検出
Authors: Fatemeh Mahdavi, Roozbeh Rajabi
Abstract要約: 本研究では、畳み込みニューラルネットワーク(CNN)、サポートベクターマシン(SVM)、近隣の3つの手法を用いてドローンを検知した。その結果, CNN, SVM, および近隣諸国でそれぞれ95%, 88%, 80%の精度が得られた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In image processing, it is essential to detect and track air targets, especially UAVs. In this paper, we detect the flying drone using a fisheye camera. In the field of diagnosis and classification of objects, there are always many problems that prevent the development of rapid and significant progress in this area. During the previous decades, a couple of advanced classification methods such as convolutional neural networks and support vector machines have been developed. In this study, the drone was detected using three methods of classification of convolutional neural network (CNN), support vector machine (SVM), and nearest neighbor. The outcomes show that CNN, SVM, and nearest neighbor have total accuracy of 95%, 88%, and 80%, respectively. Compared with other classifiers with the same experimental conditions, the accuracy of the convolutional neural network classifier is satisfactory.
Abstract（参考訳）: 画像処理では、航空目標、特にuavを検出し追跡することが不可欠である。本稿では,魚眼カメラを用いて飛行中のドローンを検出する。オブジェクトの診断と分類の分野では、この領域における迅速かつ著しい進歩の進展を妨げる問題は常に数多く存在する。過去数十年間、畳み込みニューラルネットワークやサポートベクターマシンなどの高度な分類手法が開発されてきた。本研究では,畳み込みニューラルネットワーク(cnn),サポートベクターマシン(svm),近接近傍の3つの分類法を用いてドローンの検出を行った。その結果, CNN, SVM, および近隣諸国でそれぞれ95%, 88%, 80%の精度が得られた。同じ実験条件の他の分類器と比較すると、畳み込みニューラルネットワーク分類器の精度は良好である。

関連論文リスト

Verified Neural Compressed Sensing [58.98637799432153]
精度の高い計算タスクのために、初めて(私たちの知識を最大限に活用するために)証明可能なニューラルネットワークを開発します。極小問題次元(最大50)では、線形および双項線形測定からスパースベクトルを確実に回復するニューラルネットワークを訓練できることを示す。ネットワークの複雑さは問題の難易度に適応できることを示し、従来の圧縮センシング手法が証明不可能な問題を解く。
論文参考訳（メタデータ） (2024-05-07T12:20:12Z)
Building Flyweight FLIM-based CNNs with Adaptive Decoding for Object Detection [40.97322222472642]
本研究では、ユーザ描画マーカーからオブジェクトを検出するために、畳み込みニューラルネットワーク(CNN)層を構築する方法を提案する。糞便サンプルの顕微鏡画像におけるSchistosomiasis mansoni卵の検出と,衛星画像における船舶の検出に対処する。我々のCNNは、SOTAオブジェクト検出器より数千倍も小さく、CPU実行に適している。
論文参考訳（メタデータ） (2023-06-26T16:48:20Z)
Collaborative Learning with a Drone Orchestrator [79.75113006257872]
インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
論文参考訳（メタデータ） (2023-03-03T23:46:25Z)
Mental arithmetic task classification with convolutional neural network based on spectral-temporal features from EEG [0.47248250311484113]
ディープニューラルネットワーク(DNN)は、コンピュータビジョンアプリケーションにおいて大きな優位性を示している。ここでは、主に2つの畳み込みニューラルネットワーク層を使用し、比較的少ないパラメータと高速で脳波からスペクトル時間的特徴を学習する浅層ニューラルネットワークを提案する。実験の結果、浅いCNNモデルは他の全てのモデルより優れており、最高分類精度は90.68%に達した。
論文参考訳（メタデータ） (2022-09-26T02:15:22Z)
Lost Vibration Test Data Recovery Using Convolutional Neural Network: A Case Study [0.0]
本稿では,アラモサキャニオン橋のCNNアルゴリズムを実構造として提案する。 3つの異なるCNNモデルは、1つと2つの故障したセンサーを予測するものとされた。畳み込み層を追加することによりモデルの精度が向上した。
論文参考訳（メタデータ） (2022-04-11T23:24:03Z)
Automated Atrial Fibrillation Classification Based on Denoising Stacked Autoencoder and Optimized Deep Network [1.7403133838762446]
心房細動(AFib)の発症率は世界中で増加傾向にある。 AFibのリスクを早期に検出するために,我々はディープニューラルネットワークに基づく自動検出システムを開発した。 Denoising Autoencoders (DAE) を用いて心電図信号を復調するエンド・ツー・エンドモデルを提案する。
論文参考訳（メタデータ） (2022-01-26T21:45:48Z)
Classification of Hyperspectral Images by Using Spectral Data and Fully Connected Neural Network [0.0]
ハイパースペクトル画像では90%以上の分類成功が達成されている。本研究では,インドマツ,サリナス,パヴィアセンター,パヴィア大学,ボツワナのハイパースペクトル像を分類した。すべてのハイパースペクトル画像のテストセットに対して平均97.5%の精度が達成される。
論文参考訳（メタデータ） (2022-01-08T12:45:48Z)
Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文参考訳（メタデータ） (2021-05-20T18:13:58Z)
BreakingBED -- Breaking Binary and Efficient Deep Neural Networks by Adversarial Attacks [65.2021953284622]
CNNのホワイトボックス攻撃やブラックボックス攻撃に対する堅牢性について検討する。結果は、蒸留されたCNN、エージェントベースの最新のprunedモデル、およびバイナライズニューラルネットワークのために示されています。
論文参考訳（メタデータ） (2021-03-14T20:43:19Z)
Learning Hybrid Representations for Automatic 3D Vessel Centerline Extraction [57.74609918453932]
3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。この課題を解決するためのハイブリッド表現学習手法を提案します。
論文参考訳（メタデータ） (2020-12-14T05:22:49Z)
Accurate Tumor Tissue Region Detection with Accelerated Deep Convolutional Neural Networks [12.7414209590152]
がん診断のための手動の病理診断は、退屈で反復的である。我々のアプローチであるFLASHは、ディープ畳み込みニューラルネットワーク(DCNN)アーキテクチャに基づいている。計算コストを削減し、一般的なディープラーニングアプローチよりも2桁の速さで高速である。
論文参考訳（メタデータ） (2020-04-18T08:24:27Z)

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。