論文の概要: Deep Learning for UAV-based Object Detection and Tracking: A Survey
- arxiv url: http://arxiv.org/abs/2110.12638v1
- Date: Mon, 25 Oct 2021 04:43:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-26 16:43:08.223188
- Title: Deep Learning for UAV-based Object Detection and Tracking: A Survey
- Title(参考訳): UAVによる物体検出・追跡のための深層学習:サーベイ
- Authors: Xin Wu, Wei Li, Danfeng Hong, Ran Tao, Qian Du
- Abstract要約: 無人航空機(UAV)は最近、コンピュータビジョン(CV)とリモートセンシング(RS)の分野でホットスポットになっている。
近年のディープラーニング(DL)の成功に触発されて、様々なUAV関連タスクに多くの高度な物体検出と追跡アプローチが適用されている。
本稿では, DLを用いたUAV物体検出・追跡手法の研究の進展と今後の展望について概説する。
- 参考スコア(独自算出の注目度): 25.34399619170044
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Owing to effective and flexible data acquisition, unmanned aerial vehicle
(UAV) has recently become a hotspot across the fields of computer vision (CV)
and remote sensing (RS). Inspired by recent success of deep learning (DL), many
advanced object detection and tracking approaches have been widely applied to
various UAV-related tasks, such as environmental monitoring, precision
agriculture, traffic management. This paper provides a comprehensive survey on
the research progress and prospects of DL-based UAV object detection and
tracking methods. More specifically, we first outline the challenges,
statistics of existing methods, and provide solutions from the perspectives of
DL-based models in three research topics: object detection from the image,
object detection from the video, and object tracking from the video. Open
datasets related to UAV-dominated object detection and tracking are exhausted,
and four benchmark datasets are employed for performance evaluation using some
state-of-the-art methods. Finally, prospects and considerations for the future
work are discussed and summarized. It is expected that this survey can
facilitate those researchers who come from remote sensing field with an
overview of DL-based UAV object detection and tracking methods, along with some
thoughts on their further developments.
- Abstract(参考訳): 有効かつ柔軟なデータ取得のため、無人航空機(UAV)は近年、コンピュータビジョン(CV)とリモートセンシング(RS)の分野でホットスポットとなっている。
近年、深層学習(DL)の成功に触発されて、環境モニタリング、精密農業、交通管理など、様々なUAV関連のタスクに多くの高度な物体検出と追跡アプローチが適用されている。
本稿では, DLを用いたUAV物体検出・追跡手法の研究の進展と今後の展望について概説する。
具体的には,画像からの物体検出,ビデオからの物体検出,ビデオからの物体追跡という3つの研究トピックにおいて,DLモデルの観点からの課題,既存手法の統計について概説する。
uavが支配するオブジェクト検出とトラッキングに関連するオープンデータセットが枯渇し、いくつかの最先端手法を用いたパフォーマンス評価に4つのベンチマークデータセットが使用される。
最後に,今後の課題の展望と考察を概説する。
この調査は,dlベースのuav物体検出・追跡手法の概要と今後の展開について,リモートセンシング分野の研究者が支援できることが期待される。
関連論文リスト
- Remote Sensing Object Detection Meets Deep Learning: A Meta-review of
Challenges and Advances [51.70835702029498]
本稿では,ディープラーニングに基づくRSOD手法の最近の成果を概観する。
RSODの主な課題として,マルチスケールオブジェクト検出,回転オブジェクト検出,弱いオブジェクト検出,小さなオブジェクト検出,限られた監視を伴うオブジェクト検出の5つを挙げる。
また、RSODの分野で広く使用されているベンチマークデータセットと評価指標、およびRSODのアプリケーションシナリオについてもレビューする。
論文 参考訳(メタデータ) (2023-09-13T06:48:32Z) - Investigation of UAV Detection in Images with Complex Backgrounds and
Rainy Artifacts [20.20609511526255]
UAV検出のための視覚に基づく物体検出法が開発されている。
複雑な背景と雨のような気象要素を持つ画像におけるUAV検出は、まだ合理的に研究されていない。
この研究は、最先端のオブジェクト検出モデルのベンチマークにも重点を置いている。
論文 参考訳(メタデータ) (2023-05-25T19:54:33Z) - Oriented Object Detection in Optical Remote Sensing Images using Deep
Learning: A Survey [24.22778870844768]
オブジェクト指向物体検出は、リモートセンシングにおいて最も基本的で困難なタスクの1つである。
深層学習に基づく手法は、光学的リモートセンシング画像における指向性物体の検出において、顕著な性能を達成している。
論文 参考訳(メタデータ) (2023-02-21T06:31:53Z) - Recent Advances in Embedding Methods for Multi-Object Tracking: A Survey [71.10448142010422]
マルチオブジェクトトラッキング(MOT)は、動画フレーム全体で対象物を関連付け、移動軌道全体を取得することを目的としている。
埋め込み法はMOTにおける物体の位置推定と時間的同一性関連において重要な役割を担っている。
まず 7 つの異なる視点からMOT への埋め込み手法の奥行き解析による包括的概要を述べる。
論文 参考訳(メタデータ) (2022-05-22T06:54:33Z) - A Review on Viewpoints and Path-planning for UAV-based 3D Reconstruction [3.0479044961661708]
UAVが捉えたデータによる3D再構築も、研究や産業で注目を集めている。
本稿では,大規模物体の3次元再構成のための視点と経路計画のためのモデルフリーおよびモデルベースアルゴリズムについて検討する。
論文 参考訳(メタデータ) (2022-05-07T20:29:39Z) - Leveraging Synthetic Data in Object Detection on Unmanned Aerial
Vehicles [14.853897011640022]
オープンソースフレームワークのDeepGTAVを拡張して,UAVシナリオに対処します。
いくつかの領域の様々な大規模高分解能合成データセットをキャプチャして、UAVからの実物検出に利用したことを示す。
論文 参考訳(メタデータ) (2021-12-22T22:41:02Z) - Deep Learning on Monocular Object Pose Detection and Tracking: A
Comprehensive Overview [8.442460766094674]
オブジェクトのポーズ検出と追跡は、自律運転、ロボット工学、拡張現実など、多くの分野で広く応用されているため、注目を集めている。
ディープラーニングは、他のものよりも優れたパフォーマンスを示した最も有望なものです。
本稿では,ディープラーニング技術経路に属するオブジェクトのポーズ検出と追跡の最近の進歩を概観する。
論文 参考訳(メタデータ) (2021-05-29T12:59:29Z) - Unsupervised Domain Adaption of Object Detectors: A Survey [87.08473838767235]
近年のディープラーニングの進歩は、様々なコンピュータビジョンアプリケーションのための正確で効率的なモデルの開発につながっている。
高度に正確なモデルを学ぶには、大量の注釈付きイメージを持つデータセットの可用性に依存する。
このため、ラベルスカースデータセットに視覚的に異なる画像がある場合、モデルの性能は大幅に低下する。
論文 参考訳(メタデータ) (2021-05-27T23:34:06Z) - 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) - 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) - Progressive Object Transfer Detection [84.48927705173494]
本稿では,新しいプログレッシブオブジェクト転送検出(POTD)フレームワークを提案する。
第一に、POTDは様々なドメインの様々なオブジェクトを効果的にプログレッシブな検出手順に活用することができる。
第2に、POTDは2つの微妙な転送段階、すなわち、LSTD(low-Shot Transfer Detection)とWSTD(Weakly Supervised Transfer Detection)から構成される。
論文 参考訳(メタデータ) (2020-02-12T00:16:24Z)
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。