論文の概要: SpectraNet: Learned Recognition of Artificial Satellites From High Contrast Spectroscopic Imagery

• arxiv url: http://arxiv.org/abs/2201.03614v1
• Date: Mon, 10 Jan 2022 19:51:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-12 14:37:16.958309
• Title: SpectraNet: Learned Recognition of Artificial Satellites From High Contrast Spectroscopic Imagery
• Title（参考訳）: SpectraNet:高コントラスト分光画像による人工衛星の認識
• Authors: J. Zachary Gazak, Ian McQuaid, Ryan Swindle, Matthew Phelps, Justin Fletcher
• Abstract要約: 観測データから物体の識別を抽出する現在の方法は、低軌道上の物体に対する識別を制限する空間的に解決された画像を必要とする。 しかし、ほとんどの人工衛星は、地上の観測所が空間情報の解決を禁止している距離で静止軌道で運用されている。 本稿では,残差畳み込みニューラルネットワークを応用したオブジェクト識別手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Effective space traffic management requires positive identification of artificial satellites. Current methods for extracting object identification from observed data require spatially resolved imagery which limits identification to objects in low earth orbits. Most artificial satellites, however, operate in geostationary orbits at distances which prohibit ground based observatories from resolving spatial information. This paper demonstrates an object identification solution leveraging modified residual convolutional neural networks to map distance-invariant spectroscopic data to object identity. We report classification accuracies exceeding 80% for a simulated 64-class satellite problem--even in the case of satellites undergoing constant, random re-orientation. An astronomical observing campaign driven by these results returned accuracies of 72% for a nine-class problem with an average of 100 examples per class, performing as expected from simulation. We demonstrate the application of variational Bayesian inference by dropout, stochastic weight averaging (SWA), and SWA-focused deep ensembling to measure classification uncertainties--critical components in space traffic management where routine decisions risk expensive space assets and carry geopolitical consequences.
• Abstract（参考訳）: 効果的な宇宙交通管理には、人工衛星の正の識別が必要である。 観測データから物体を識別する現在の方法は、低軌道上の物体の識別を制限する空間的に解決された画像を必要とする。 しかし、ほとんどの人工衛星は、地上の観測所が空間情報の解決を禁止する距離の静止軌道で運用されている。 本稿では、残差畳み込みニューラルネットワークを応用して、距離不変の分光データをオブジェクトの同一性にマッピングするオブジェクト識別ソリューションについて述べる。 シミュレーション64級衛星問題に対して, 一定のランダムな再配向を行う衛星においても, 80%以上の分類精度を報告した。 これらの結果に触発された天文学的観測活動は、クラス平均100例の9クラス問題に対して72%の確率で帰結し、シミュレーションから期待通りに実行した。 変動ベイズ推定をドロップアウト,確率的重量平均化(swa)およびswaに焦点をあてた深層センシングを用いて,宇宙交通管理における不確実性(不確実性)の分類を計測する。

関連論文リスト

• Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
  本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。 地上画像ごとに正の衛星画像と負の衛星画像を導き出す。 また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
  論文  参考訳（メタデータ） (2024-09-10T12:57:16Z)
• Vision-Based Detection of Uncooperative Targets and Components on Small Satellites [6.999319023465766]
  宇宙デブリと不活性衛星は、運用宇宙船の安全性と完全性に脅威をもたらす。 コンピュータビジョンモデルの最近の進歩は、そのような非協調的な目標を追跡する既存の方法を改善するために利用することができる。 本稿では,これらの物体を学習とコンピュータビジョンを用いて識別・監視する自律検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-08-22T02:48:13Z)
• CosmosDSR -- a methodology for automated detection and tracking of orbital debris using the Unscented Kalman Filter [2.068513073428114]
  ケスラー症候群(英: Kessler syndrome)とは、宇宙活動が頻発する宇宙ゴミをエスカレートし、将来の宇宙探査を脅かす現象である。 以前の研究では、YOLOオブジェクト検出器と、オブジェクトの検出と追跡のための線形カルマンフィルタ(LKF)の組み合わせを強調していた。 本稿では,衛星残差検出による包括的軌道監視・宇宙監視のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-10-26T05:02:19Z)
• Zone Evaluation: Revealing Spatial Bias in Object Detection [69.59295428233844]
  物体検出器の基本的限界は、それらが「空間バイアス」に苦しむことである。 本稿では,ゾーン間の検出性能を計測する新しいゾーン評価プロトコルを提案する。 初めて数値的な結果が得られ、対象検出器はゾーンにわたって非常に不均一に機能することを示した。
  論文  参考訳（メタデータ） (2023-10-20T01:44:49Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Towards Spatial Equilibrium Object Detection [88.9747319572368]
  本稿では,現代物体検出器の空間的不平衡問題について考察する。 本稿では,ゾーンにおける検出性能の測定により,この問題の定量化を提案する。 これは、より一般化された測度を設計する動機となり、空間平衡精度と呼ばれる。
  論文  参考訳（メタデータ） (2023-01-14T17:33:26Z)
• SPARK: SPAcecraft Recognition leveraging Knowledge of Space Environment [10.068428438297563]
  本稿では、SPARKデータセットを新しいユニークな空間オブジェクトマルチモーダルイメージデータセットとして提案する。 SPARKデータセットは、現実的な宇宙シミュレーション環境下で生成される。 1モードあたり約150kの画像、RGBと深さ、宇宙船とデブリの11のクラスを提供する。
  論文  参考訳（メタデータ） (2021-04-13T07:16:55Z)
• Topological Sweep for Multi-Target Detection of Geostationary Space Objects [43.539256589118644]
  我々の研究は、静止軌道(GEO)における人工物体の光学的検出に焦点を当てている。 GEO物体検出は、明るい恒星の散らばりの中で小さな点として現れるターゲットの距離のために困難である。 本稿では,光画像の短いシーケンスからGEOオブジェクトを見つけるために,トポロジカルスイープに基づく新しいマルチターゲット検出手法を提案する。
  論文  参考訳（メタデータ） (2020-03-21T06:00:41Z)

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。