論文の概要: Extracting Space Situational Awareness Events from News Text

• arxiv url: http://arxiv.org/abs/2201.05721v1
• Date: Sat, 15 Jan 2022 00:55:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-22 16:46:30.790270
• Title: Extracting Space Situational Awareness Events from News Text
• Title（参考訳）: ニューステキストから空間状況認識イベントを抽出する
• Authors: Zhengnan Xie, Alice Saebom Kwak, Enfa George, Laura W. Dozal, Hoang Van, Moriba Jah, Roberto Furfaro and Peter Jansen
• Abstract要約: 我々は2009年から2020年にかけて、既知のすべての活動衛星にまたがる48.5kのニュース記事のコーパスを構築した。 イベントスロットのラベルが15.9kの人間によって注釈付けされた1,787個のスペースイベント文を識別する。
• 参考スコア（独自算出の注目度）: 5.427587068155214
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Space situational awareness typically makes use of physical measurements from radar, telescopes, and other assets to monitor satellites and other spacecraft for operational, navigational, and defense purposes. In this work we explore using textual input for the space situational awareness task. We construct a corpus of 48.5k news articles spanning all known active satellites between 2009 and 2020. Using a dependency-rule-based extraction system designed to target three high-impact events -- spacecraft launches, failures, and decommissionings, we identify 1,787 space-event sentences that are then annotated by humans with 15.9k labels for event slots. We empirically demonstrate a state-of-the-art neural extraction system achieves an overall F1 between 53 and 91 per slot for event extraction in this low-resource, high-impact domain.
• Abstract（参考訳）: 宇宙の状況認識は通常、レーダー、望遠鏡、その他の資産から物理的測定を活用し、衛星やその他の宇宙船を運用、航法、防衛目的で監視する。 本研究では,空間状況認識タスクにテキスト入力を用いて検討する。 我々は2009年から2020年にかけて、既知のすべての活動衛星にまたがる48.5kのニュース記事のコーパスを構築した。 宇宙船の打ち上げ、失敗、および退役という3つのハイインパクトイベントをターゲットとして設計された依存性ルールベースの抽出システムを使用して、1,787個の宇宙事象の文を識別し、15.9kラベルのイベントスロットにアノテートする。 我々は,この低リソース・ハイインパクト領域において,1スロットあたり53～91個のf1を総合的に獲得する,最先端のニューラルネットワークの実証実験を行った。

関連論文リスト

• Locate Anything on Earth: Advancing Open-Vocabulary Object Detection for Remote Sensing Community [50.16478515591924]
  LAEタスクのための最初のオープンボキャブラリ基礎オブジェクト検出器であるLAE-DINOモデルを提案し,訓練する。 我々は、確立されたリモートセンシングベンチマークDIOR、DOTAv2.0、および新たに発表された80クラスのLEE-80Cベンチマークについて実験を行った。 その結果, LAE-1Mデータセットの利点と, LAE-DINO法の有効性が示された。
  論文  参考訳（メタデータ） (2024-08-17T06:24:43Z)
• SpaceYOLO: A Human-Inspired Model for Real-time, On-board Spacecraft Feature Detection [0.0]
  衝突の危険箇所を特定するためには、リアルタイムで自動的な宇宙船の特徴認識が必要である。 新しいアルゴリズムSpaceYOLOは、最先端のオブジェクト検出器YOLOv5を、人間にインスパイアされた意思決定プロセスに基づいて、別個のニューラルネットワークで融合する。 SpaceYOLOの自律型宇宙船検出の性能は、ハードウェア・イン・ザ・ループ実験において通常のYOLOv5と比較される。
  論文  参考訳（メタデータ） (2023-02-02T02:11:39Z)
• Autonomous Rendezvous with Non-cooperative Target Objects with Swarm Chasers and Observers [0.0]
  宇宙デブリは、通信、航法、その他の用途のための宇宙船の需要が高まっているため、増加傾向にある。 Space Surveillance Network (SSN)は27,000個の巨大な破片を追跡し、追跡不能な小さな破片の数を1,00,000以上と見積もっている。 本稿では,多目的自律型Rendvous Vision-Integrated Navigation System (MARVIN)を紹介する。
  論文  参考訳（メタデータ） (2023-01-22T05:22:11Z)
• 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)
• Interstellar Object Accessibility and Mission Design [5.311034944669507]
  恒星間天体(ISO)は、天体の説得力があり、探索されていないカテゴリーである。 我々は、ISOへのフライバイミッションを成功させるための既存のアプローチについて検討する。
  論文  参考訳（メタデータ） (2022-10-26T18:49:43Z)
• SpaceQA: Answering Questions about the Design of Space Missions and Space Craft Concepts [57.012600276711005]
  宇宙ミッション設計における最初のオープンドメインQAシステムであるSpaceQAについて述べる。 SpaceQAは、欧州宇宙機関(ESA)による、宇宙ミッションの設計に関する情報のアクセス、共有、再利用を容易にするイニシアチブの一部である。
  論文  参考訳（メタデータ） (2022-10-07T09:41:39Z)
• Discovering Faint and High Apparent Motion Rate Near-Earth Asteroids Using A Deep Learning Program [0.5729426778193399]
  本研究では,地球近傍を高速で移動する物体を検出できる畳み込みニューラルネットワークを開発した。 シミュレーションから生成された人工ストリークで訓練され、98.7%の精度でこれらの小惑星ストリークを見つけることができた。 このアプローチは、高速で動く小惑星のストリークを検出するために、あらゆる観測所で採用することができる。
  論文  参考訳（メタデータ） (2022-08-19T00:16:09Z)
• Detection, Tracking, and Counting Meets Drones in Crowds: A Benchmark [97.07865343576361]
  DroneCrowdという新しいドローンキャプチャ型大規模データセットによるベンチマークを構築した。 私たちは4800万人の頭といくつかのビデオレベルの属性を持つ20,800人のトラジェクタに注釈を付けます。 我々は、密集した群衆の物体の検出、追跡、数え上げを行うための強力なベースラインとして、Space-Time Neighbor-Aware Network (STNNet)を設計する。
  論文  参考訳（メタデータ） (2021-05-06T04:46:14Z)
• 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)
• Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
  そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。 エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。 われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
  論文  参考訳（メタデータ） (2020-08-21T03:16:51Z)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)

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。