論文の概要: Track Boosting and Synthetic Data Aided Drone Detection
- arxiv url: http://arxiv.org/abs/2111.12389v1
- Date: Wed, 24 Nov 2021 10:16:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-25 18:58:19.169302
- Title: Track Boosting and Synthetic Data Aided Drone Detection
- Title(参考訳): トラックブーピングと合成データを用いたドローン検出
- Authors: Fatih Cagatay Akyon, Ogulcan Eryuksel, Kamil Anil Ozfuttu, Sinan Onur
Altinuc
- Abstract要約: 本手法は, YOLOv5モデルを実データおよび合成データで微調整することにより, ドローン検出問題にアプローチする。
以上の結果から,合成データの最適なサブセットで実データを増やすことで,性能が向上する可能性が示唆された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the usage of drones increases with lowered costs and improved drone
technology, drone detection emerges as a vital object detection task. However,
detecting distant drones under unfavorable conditions, namely weak contrast,
long-range, low visibility, requires effective algorithms. Our method
approaches the drone detection problem by fine-tuning a YOLOv5 model with real
and synthetically generated data using a Kalman-based object tracker to boost
detection confidence. Our results indicate that augmenting the real data with
an optimal subset of synthetic data can increase the performance. Moreover,
temporal information gathered by object tracking methods can increase
performance further.
- Abstract(参考訳): コストの低減とドローン技術の改善によってドローンの利用が増加すると、ドローン検出は重要な物体検出タスクとして現れる。
しかし、遠方のドローンを不利な条件、すなわち、弱いコントラスト、長距離、視界の低さで検出するには効果的なアルゴリズムが必要である。
提案手法は, リアルおよび合成データを用いてYOLOv5モデルを微調整し, 検出信頼性を高めることで, ドローン検出問題にアプローチする。
結果から,合成データの最適なサブセットによる実データの拡張は,性能の向上につながる可能性が示唆された。
さらに,オブジェクト追跡手法によって収集された時間的情報により,さらなる性能向上が期待できる。
関連論文リスト
- VBSF-TLD: Validation-Based Approach for Soft Computing-Inspired Transfer
Learning in Drone Detection [0.0]
本稿では,コンピュータビジョンベースモジュールの不可欠な部分を構成する移動型ドローン検出手法を提案する。
事前学習されたモデルの知識を関連ドメインから活用することにより、限られたトレーニングデータであっても、トランスファー学習によりより良い結果が得られる。
特に、このスキームの有効性は、IOUベースの検証結果によって強調される。
論文 参考訳(メタデータ) (2023-06-11T22:30:23Z) - TransVisDrone: Spatio-Temporal Transformer for Vision-based
Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。
既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。
計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
論文 参考訳(メタデータ) (2022-10-16T03:05:13Z) - Sequence Models for Drone vs Bird Classification [2.294014185517203]
ドローンのコストが減少し、ドローン技術が向上するにつれ、ドローン検出はオブジェクト検出において重要な課題となっている。
コントラストが弱く、距離が長く、視界が低い場合、遠方のドローンを検知することは困難である。
検出されたドローントラックの偽陽性比を低減するために,いくつかのシーケンス分類アーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-07-21T11:00:44Z) - Small Object Detection using Deep Learning [0.28675177318965034]
提案システムは,高速物体検出モデル(YOLO)のフレーバーであるTiny YOLOv3(Tiny YOLOv3)を構築・使用した。
提案したアーキテクチャは、以前のYOLOバージョンに比べて大幅に性能が向上している。
論文 参考訳(メタデータ) (2022-01-10T09:58:25Z) - A dataset for multi-sensor drone detection [67.75999072448555]
近年,小型・遠隔操作無人航空機(UAV)の使用が増加している。
ドローン検出に関するほとんどの研究は、取得デバイスの種類、ドローンの種類、検出範囲、データセットを特定することに失敗している。
我々は、赤外線および可視ビデオとオーディオファイルを含むドローン検出のための注釈付きマルチセンサーデータベースにコントリビュートする。
論文 参考訳(メタデータ) (2021-11-02T20:52:03Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳(メタデータ) (2021-09-08T14:07:55Z) - Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
本稿では,他の飛行ドローンからドローンを検知する問題に対処する。
ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。
これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
論文 参考訳(メタデータ) (2021-03-31T17:43:31Z) - Real-Time Drone Detection and Tracking With Visible, Thermal and
Acoustic Sensors [66.4525391417921]
熱赤外カメラは、ドローン検出タスクに対する実現可能な解決策であることが示されている。
また,センサ間距離の関数としての検出器性能についても検討した。
ドローン、鳥、飛行機、ヘリコプターの650個の注釈付き赤外線と可視ビデオを含む新しいビデオデータセットも紹介されている。
論文 参考訳(メタデータ) (2020-07-14T23:06:42Z) - On-board Deep-learning-based Unmanned Aerial Vehicle Fault Cause
Detection and Identification [6.585891825257162]
本稿では,センサデータに基づいてドローンの誤操作を検出し,分類する新しいアーキテクチャを提案する。
提案したディープラーニングアーキテクチャを,実機でのシミュレーションと実験により検証する。
我々のソリューションは90%以上の精度で検出でき、様々な種類のドローンの誤動作を分類できる。
論文 参考訳(メタデータ) (2020-04-03T22:46:34Z) - Detection and Tracking Meet Drones Challenge [131.31749447313197]
本稿では、オブジェクト検出・追跡データセットとベンチマークのレビューを行い、手動アノテーションによる大規模ドローンによるオブジェクト検出・追跡データセットの収集の課題について論じる。
当社のVisDroneデータセットは、中国北部から南部にかけての14の都市部と郊外部で収集されたものです。
本稿では,ドローンにおける大規模物体検出・追跡の現場の現状を詳細に分析し,今後の方向性を提案するとともに,課題を結論づける。
論文 参考訳(メタデータ) (2020-01-16T00:11:56Z)
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。