論文の概要: PLAD: A Dataset for Multi-Size Power Line Assets Detection in High-Resolution UAV Images

• arxiv url: http://arxiv.org/abs/2108.07944v1
• Date: Wed, 18 Aug 2021 02:26:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-19 14:42:25.825924
• Title: PLAD: A Dataset for Multi-Size Power Line Assets Detection in High-Resolution UAV Images
• Title（参考訳）: PLAD:高解像度UAV画像におけるマルチサイズ電力線アセット検出用データセット
• Authors: Andr\'e Luiz Buarque Vieira-e-Silva, Heitor de Castro Felix, Thiago de Menezes Chaves, Francisco Paulo Magalh\~aes Sim\~oes, Veronica Teichrieb, Michel Mozinho dos Santos, Hemir da Cunha Santiago, Virginia Ad\'elia Cordeiro Sgotti, Henrique Baptista Duffles Teixeira Lott Neto
• Abstract要約: 本研究は,パワーラインコンポーネントの高解像度および実世界の画像を含むPower Line Assetsデータセットを提案する。 注釈付き物体は2,409個あり、トランスミッションタワー、絶縁体、スペーサー、タワープレート、ストックブリッジダンパーの5つのクラスに分けられている。 また、一般的なディープオブジェクト検出手法による評価を行い、改善の余地をかなり示している。
• 参考スコア（独自算出の注目度）: 1.4698569949278106
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Many power line companies are using UAVs to perform their inspection processes instead of putting their workers at risk by making them climb high voltage power line towers, for instance. A crucial task for the inspection is to detect and classify assets in the power transmission lines. However, public data related to power line assets are scarce, preventing a faster evolution of this area. This work proposes the Power Line Assets Dataset, containing high-resolution and real-world images of multiple high-voltage power line components. It has 2,409 annotated objects divided into five classes: transmission tower, insulator, spacer, tower plate, and Stockbridge damper, which vary in size (resolution), orientation, illumination, angulation, and background. This work also presents an evaluation with popular deep object detection methods, showing considerable room for improvement. The PLAD dataset is publicly available at https://github.com/andreluizbvs/PLAD.
• Abstract（参考訳）: 多くの電力会社は、高電圧の送電線塔に登って労働者を危険にさらすのではなく、UAVを使って検査を行っている。 検査の重要な課題は、送電線内の資産を検出し、分類することである。 しかし、電力線資産に関する公共データは乏しく、この分野の急速な発展を妨げている。 本研究では,複数の高電圧電力線成分の高解像度および実世界の画像を含むPower Line Assets Datasetを提案する。 注釈付き物体2,409個は、送信塔、絶縁体、スペーサー、タワープレート、ストックブリッジダンパーの5つのクラスに分けられ、サイズ(解像度)、方位、照明、角度、背景が異なる。 また,一般的な深部物体検出手法を用いた評価を行い,改善の余地を明らかにした。 PLADデータセットはhttps://github.com/andreluizbvs/PLADで公開されている。

関連論文リスト

• InsPLAD: A Dataset and Benchmark for Power Line Asset Inspection in UAV Images [1.8524180288472398]
  本稿では,高分解能無人航空機カラー画像10,607点を含むパワーライン・アセット・インスペクション・データセットであるInsPLADとベンチマークを紹介する。 データセットには、現実世界の電力線から取得した17のユニークな電力線資産が含まれている。 我々は、InsPLADがカバーする3つの画像レベルのコンピュータビジョンタスクに対して、APメトリックによるオブジェクト検出、バランス精度による欠陥分類、AUROCメトリックによる異常検出の3つについて、最先端および一般的な手法を徹底的に評価した。
  論文  参考訳（メタデータ） (2023-11-02T22:06:23Z)
• Autonomous Point Cloud Segmentation for Power Lines Inspection in Smart Grid [56.838297900091426]
  高電圧と低電圧の両方の電力線の特徴を検出し,抽出し,解析するために,教師なし機械学習(ML)フレームワークを提案する。 提案フレームワークは電力線を効率よく検出し,PLCに基づくハザード解析を行う。
  論文  参考訳（メタデータ） (2023-08-14T17:14:58Z)
• DUFormer: Solving Power Line Detection Task in Aerial Images using Semantic Segmentation [17.77548837421917]
  無人航空機(UAV)は、電力線を検査したり高解像度の空中画像を撮影するために頻繁に使用される。 この問題に対処するために,航空画像中の電力線を明示的に検出するセマンティックセグメンテーションアルゴリズムであるDUFormerを導入する。 提案手法は,TTPLAデータセット上での電力線セグメンテーションにおけるすべての最先端手法より優れている。
  論文  参考訳（メタデータ） (2023-04-12T12:59:02Z)
• Hierarchical Point Attention for Indoor 3D Object Detection [111.04397308495618]
  本研究は、点ベース変圧器検出器の汎用階層設計として、2つの新しい注意操作を提案する。 まず、よりきめ細かい特徴学習を可能にするために、シングルスケールの入力機能からマルチスケールトークンを構築するマルチスケール注意(MS-A)を提案する。 第2に,適応型アテンション領域を持つサイズ適応型ローカルアテンション(Local-A)を提案する。
  論文  参考訳（メタデータ） (2023-01-06T18:52:12Z)
• DeepLSD: Line Segment Detection and Refinement with Deep Image Gradients [105.25109274550607]
  ラインセグメントは、視覚タスクでますます使われています。 画像勾配に基づく従来の線検出器は非常に高速で精度が高いが、ノイズの多い画像や困難な条件では頑丈さに欠ける。 我々は、両方の世界を最大限に活用するために、伝統的なアプローチと学習されたアプローチを組み合わせることを提案する。
  論文  参考訳（メタデータ） (2022-12-15T12:36:49Z)
• Transformers for Object Detection in Large Point Clouds [9.287964414592826]
  トランスLPC(TransLPC)は,変圧器アーキテクチャに基づく大点雲の新しい検出モデルである。 本稿では,メモリフレンドリーな変圧器デコーダクエリ数を維持しながら,検出精度を向上させる新しいクエリ改善手法を提案する。 この単純な手法は検出精度に大きな影響を与え、実際のライダーデータ上での挑戦的なnuScenesデータセットで評価される。
  論文  参考訳（メタデータ） (2022-09-30T06:35:43Z)
• An Extendable, Efficient and Effective Transformer-based Object Detector [95.06044204961009]
  我々は、視覚・検出変換器(ViDT)を統合し、効果的で効率的な物体検出装置を構築する。 ViDTは、最近のSwin Transformerをスタンドアロンのオブジェクト検出器に拡張するために、再構成されたアテンションモジュールを導入した。 オブジェクト検出とインスタンスセグメンテーションのための共同タスク学習をサポートするために、ViDT+に拡張する。
  論文  参考訳（メタデータ） (2022-04-17T09:27:45Z)
• Embracing Single Stride 3D Object Detector with Sparse Transformer [63.179720817019096]
  自律走行のためのLiDARを用いた3次元物体検出では、物体サイズと入力シーンサイズとの比が2次元検出の場合に比べて有意に小さい。 多くの3D検出器は2D検出器の一般的な慣習に従っており、点雲の定量化後も特徴マップを分解する。 本稿では,SST(Single-stride Sparse Transformer)を提案する。
  論文  参考訳（メタデータ） (2021-12-13T02:12:02Z)
• 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。