Fugu-MT 論文翻訳(概要): A Horizon Detection Algorithm for Maritime Surveillance

論文の概要: A Horizon Detection Algorithm for Maritime Surveillance

arxiv url: http://arxiv.org/abs/2110.13694v1
Date: Tue, 26 Oct 2021 13:31:50 GMT
ステータス: 処理完了
システム内更新日: 2021-10-27 20:11:17.351587
Title: A Horizon Detection Algorithm for Maritime Surveillance
Title（参考訳）: 海上監視のための水平検出アルゴリズム
Authors: Yassir Zardoua, Astito Abdelali, Boulaala Mohammed
Abstract要約: 水平線は、他の機能と比較して高い持続性を持つため、海洋環境において貴重な特徴である。地平線検出の作業は人間にとって容易であるが,海洋環境における色やテクスチャの変化が大きいため,コンピュータでは困難である。我々は,最先端技術の向上を期待する新しい手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The horizon line is a valuable feature in the maritime environment as it has a high persistence when compared to other features (e.g., shore corners, waves). It is used in several applications, especially in maritime surveillance. The task of horizon detection may be easy for humans, but it is hard on computers due to the high change of color and texture on maritime scenes. Moreover, the computational complexity is an important constraint to take into account while developing the algorithm. In this paper, we propose a new method that we expect to enhance the state-of-the-art.
Abstract（参考訳）: 地平線は他の特徴(海岸の角、波など)と比較して高い持続性を持つため、海洋環境において貴重な特徴である。様々な用途、特に海上監視に用いられている。地平線検出の作業は人間にとって容易であるが,海洋環境における色やテクスチャの変化が大きいため,コンピュータでは困難である。さらに、計算複雑性はアルゴリズムの開発において考慮すべき重要な制約である。本稿では,最先端技術の向上を期待する新しい手法を提案する。

関連論文リスト

A horizon line annotation tool for streamlining autonomous sea navigation experiments [0.0]
水平線(英: Horizon Line)または海線(英: Sea Line)検出(英: HLD)は、複数の海上自律航法において重要な要素である。最近の調査では、そのような検出器のいくつかの弱点が浮き彫りになった。シーラインアノテーション処理を迅速かつ容易にするための機能を備えた最初の公開アノテーションソフトウェアを提示する。
論文参考訳（メタデータ） (2023-09-11T06:38:27Z)
Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文参考訳（メタデータ） (2023-08-24T12:32:46Z)
PNT-Edge: Towards Robust Edge Detection with Noisy Labels by Learning Pixel-level Noise Transitions [119.17602768128806]
特に大規模なデータセットでは、エッジの正確なラベル付けは難しい。本稿では,ラベル破壊過程をモデル化するために,Pixelレベルのノイズ遷移を学習することを提案する。
論文参考訳（メタデータ） (2023-07-26T09:45:17Z)
Level-line Guided Edge Drawing for Robust Line Segment Detection [38.21854942764346]
本稿では,ロバストラインセグメント検出(GEDRLSD)のためのレベルラインガイドエッジ描画を提案する。レベルライン情報は、エッジ追跡のための潜在的な方向を提供し、正確なエッジ描画のためのガイドラインとして提供することができる。数値実験により,提案したGEDRLSDアルゴリズムは最先端手法と比較して優位性を示した。
論文参考訳（メタデータ） (2023-05-10T04:03:59Z)
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)
End-to-End Instance Edge Detection [29.650295133113183]
エッジ検出は長い間、コンピュータビジョンの分野で重要な問題であった。従来の研究は、カテゴリ非依存またはカテゴリ対応エッジ検出を探索してきた。本稿では,オブジェクトインスタンスのコンテキストにおけるエッジ検出について検討する。
論文参考訳（メタデータ） (2022-04-06T15:32:21Z)
Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文参考訳（メタデータ） (2020-11-19T05:42:02Z)
Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文参考訳（メタデータ） (2020-03-28T18:51:43Z)
On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。我々は、角予測タスクを回帰問題から分類問題に変換する。得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
論文参考訳（メタデータ） (2020-03-12T03:23:54Z)

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。