論文の概要: The State of Aerial Surveillance: A Survey

• arxiv url: http://arxiv.org/abs/2201.03080v1
• Date: Sun, 9 Jan 2022 20:13:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-11 14:20:53.488489
• Title: The State of Aerial Surveillance: A Survey
• Title（参考訳）: 航空監視の現状:調査
• Authors: Kien Nguyen, Clinton Fookes, Sridha Sridharan, Yingli Tian, Xiaoming Liu, Feng Liu and Arun Ross
• Abstract要約: 本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。 主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
• 参考スコア（独自算出の注目度）: 62.198765910573556
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The rapid emergence of airborne platforms and imaging sensors are enabling new forms of aerial surveillance due to their unprecedented advantages in scale, mobility, deployment and covert observation capabilities. This paper provides a comprehensive overview of human-centric aerial surveillance tasks from a computer vision and pattern recognition perspective. It aims to provide readers with an in-depth systematic review and technical analysis of the current state of aerial surveillance tasks using drones, UAVs and other airborne platforms. The main object of interest is humans, where single or multiple subjects are to be detected, identified, tracked, re-identified and have their behavior analyzed. More specifically, for each of these four tasks, we first discuss unique challenges in performing these tasks in an aerial setting compared to a ground-based setting. We then review and analyze the aerial datasets publicly available for each task, and delve deep into the approaches in the aerial literature and investigate how they presently address the aerial challenges. We conclude the paper with discussion on the missing gaps and open research questions to inform future research avenues.
• Abstract（参考訳）: 空中プラットフォームや撮像センサーの急速な出現は、規模、機動性、展開性、カバート観測能力において前例のないアドバンテージにより、新しい形態の空中監視を可能にしている。 本稿では,コンピュータビジョンとパターン認識の観点から,人間中心の空中監視タスクを包括的に概観する。 ドローン、UAV、その他の空飛ぶプラットフォームを使った航空監視タスクの現状に関する、詳細な体系的なレビューと技術的分析を提供することを目的としている。 主な対象は、単一または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。 より具体的には、これらの4つのタスクのそれぞれに対して、地上設定と比較して、これらのタスクを空中設定で実行する際のユニークな課題について論じる。 次に、各タスクで利用可能な航空データセットをレビューし、分析し、空中文学のアプローチを深く掘り下げ、現在の空中課題にどのように対処しているかを調査する。 論文の結論として,欠落したギャップと今後の研究道を示すオープンリサーチ質問について論じた。

関連論文リスト

• Maritime Search and Rescue Missions with Aerial Images: A Survey [12.532571610398767]
  従来の手法と、機械学習とニューラルネットワークに基づくより高度なアプローチの両方を含む、これまでに提案された手法を分析します。 私たちは、データ収集のためにチームを配置することなく、より広い範囲のシナリオをカバーするために合成データを使用することを考慮しています。
  論文  参考訳（メタデータ） (2024-11-12T08:57:21Z)
• UAV (Unmanned Aerial Vehicles): Diverse Applications of UAV Datasets in Segmentation, Classification, Detection, and Tracking [0.0]
  無人航空機(UAV)は、さまざまな研究領域におけるデータの収集と分析のプロセスに革命をもたらした。 UAVデータセットは、衛星画像、ドローンが撮影した画像、ビデオなど、さまざまな種類のデータで構成されている。 これらのデータセットは、災害被害評価、航空監視、物体認識、追跡において重要な役割を果たす。
  論文  参考訳（メタデータ） (2024-09-05T04:47:36Z)
• A Comprehensive Review on Computer Vision Analysis of Aerial Data [3.1537607776738605]
  本稿では,航空データ解析分野におけるコンピュータビジョンタスクについて概説する。 本稿では、様々なアーキテクチャやタスクにまたがる様々なハイパーパラメータの比較を行う。 本論文は, 航空データ解析に固有の課題を徹底的に検討し, 実用的な解決策を提供する。
  論文  参考訳（メタデータ） (2024-02-15T08:10:09Z)
• Challenges in Visual Anomaly Detection for Mobile Robots [65.53820325712455]
  視覚に基づく自律移動ロボットの異常検出作業について考察する。 関連した視覚異常の種類を分類し,教師なしの深層学習手法で検出する方法について議論する。
  論文  参考訳（メタデータ） (2022-09-22T13:26:46Z)
• Deep Learning for UAV-based Object Detection and Tracking: A Survey [25.34399619170044]
  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。
  論文  参考訳（メタデータ） (2021-10-25T04:43:24Z)
• Automatic Gaze Analysis: A Survey of DeepLearning based Approaches [61.32686939754183]
  視線分析はコンピュータビジョンとヒューマン・コンピュータ・インタラクションの分野で重要な研究課題である。 制約のない環境で視線方向を解釈するための重要な手がかりは何か、いくつかのオープンな質問がある。 我々は、これらの基本的な疑問に光を当てるために、様々な視線分析タスクと応用の進捗を概観する。
  論文  参考訳（メタデータ） (2021-08-12T00:30:39Z)
• Batch Exploration with Examples for Scalable Robotic Reinforcement Learning [63.552788688544254]
  BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。 BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:49:25Z)
• 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)
• The P-DESTRE: A Fully Annotated Dataset for Pedestrian Detection, Tracking, Re-Identification and Search from Aerial Devices [7.095987222706225]
  本稿では,複数日にわたって一貫したIDアノテーションを提供するP-DESTREデータセットについて紹介する。 我々はまた、よく知られた監視データセットにおいて、最先端の歩行者検出、追跡、再同定、検索技術によって得られた結果を比較した。 データセットと実施した経験的評価の完全な詳細はhttp://p-destre.di.ubi.pt/.comで無償公開されている。
  論文  参考訳（メタデータ） (2020-04-06T16:17:32Z)
• 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。