論文の概要: KOLOMVERSE: Korea open large-scale image dataset for object detection in the maritime universe
- arxiv url: http://arxiv.org/abs/2206.09885v2
- Date: Tue, 01 Oct 2024 20:20:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-03 15:17:17.800630
- Title: KOLOMVERSE: Korea open large-scale image dataset for object detection in the maritime universe
- Title（参考訳）: KOLOMVERSE:大韓民国が海洋宇宙における物体検出のための大規模画像データセットを公開
- Authors: Abhilasha Nanda, Sung Won Cho, Hyeopwoo Lee, Jin Hyoung Park,
- Abstract要約: KRISO による海洋領域における物体検出のための大規模画像データセット KOLOMVERSE を提案する。
韓国の21の領海から撮影した5,845時間の動画データを収集した。
データセットには3840$times$2160ピクセルのイメージがあり、私たちの知る限り、海洋ドメインにおけるオブジェクト検出のための公開データセットとしては、これまでで最大のものである。
- 参考スコア（独自算出の注目度）: 0.5732204366512352
- License:
- Abstract: Over the years, datasets have been developed for various object detection tasks. Object detection in the maritime domain is essential for the safety and navigation of ships. However, there is still a lack of publicly available large-scale datasets in the maritime domain. To overcome this challenge, we present KOLOMVERSE, an open large-scale image dataset for object detection in the maritime domain by KRISO (Korea Research Institute of Ships and Ocean Engineering). We collected 5,845 hours of video data captured from 21 territorial waters of South Korea. Through an elaborate data quality assessment process, we gathered around 2,151,470 4K resolution images from the video data. This dataset considers various environments: weather, time, illumination, occlusion, viewpoint, background, wind speed, and visibility. The KOLOMVERSE consists of five classes (ship, buoy, fishnet buoy, lighthouse and wind farm) for maritime object detection. The dataset has images of 3840$\times$2160 pixels and to our knowledge, it is by far the largest publicly available dataset for object detection in the maritime domain. We performed object detection experiments and evaluated our dataset on several pre-trained state-of-the-art architectures to show the effectiveness and usefulness of our dataset. The dataset is available at: \url{https://github.com/MaritimeDataset/KOLOMVERSE}.
- Abstract（参考訳）: 長年にわたり、様々な物体検出タスクのためのデータセットが開発されてきた。
海上領域における物体検出は、船舶の安全と航行に不可欠である。
しかし、海洋ドメインで利用可能な大規模なデータセットがまだ存在しない。
この課題を克服するために,KRISO (Korea Research Institute of Ships and Ocean Engineering) による海洋領域における物体検出のための大規模画像データセット KOLOMVERSE を提案する。
韓国の21の領海から撮影した5,845時間の動画データを収集した。
精巧なデータ品質評価プロセスを通じて,ビデオデータから約2,151,470個の4K解像度画像を収集した。
このデータセットは、天気、時間、照明、閉塞、視界、背景、風速、可視性といった様々な環境を考慮に入れている。
KOLOMVERSEは5つのクラス(船、ブイ、魚網ブイ、灯台、風力発電)から構成されている。
データセットには3840$\times$2160ピクセルのイメージがあり、私たちの知る限り、海洋ドメインにおけるオブジェクト検出のための公開データセットとしては、これまでで最大のものである。
対象検出実験を行い、トレーニング済みの最先端アーキテクチャを用いてデータセットの評価を行い、データセットの有効性と有用性を示した。
データセットは以下の通りである。 \url{https://github.com/MaritimeDataset/KOLOMVERSE}。
関連論文リスト
- SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale SAR Object Detection [79.23689506129733]
我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。
私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。
私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
論文 参考訳（メタデータ） (2024-03-11T09:20:40Z) - LaRS: A Diverse Panoptic Maritime Obstacle Detection Dataset and
Benchmark [9.864996020621701]
我々は,湖沼,河川,海のシーンを特徴とする,最初の海洋パノビュータ障害物検出ベンチマークLaRSを提示する。
LaRSは1ピクセルあたり4000以上のラベル付きキーフレームと9つの前のフレームで構成され、時間的テクスチャの利用を可能にしている。
本稿では,27のセマンティック・パノプティック・セグメンテーション手法と,いくつかのパフォーマンスインサイトと今後の研究方向性について報告する。
論文 参考訳（メタデータ） (2023-08-18T15:21:15Z) - Indiscernible Object Counting in Underwater Scenes [91.86044762367945]
認識不能なオブジェクトのカウントは、その環境に対してブレンドされたオブジェクトをカウントすることである。
本稿では,5,637個の高解像度画像と659,024個の注釈付き中心点を含む大規模データセットIOCfish5Kを提案する。
論文 参考訳（メタデータ） (2023-04-23T15:09:02Z) - A Dataset with Multibeam Forward-Looking Sonar for Underwater Object
Detection [0.0]
マルチビーム前方ソナー (MFLS) は水中検出において重要な役割を担っている。
MFLSを用いた水中物体検出の研究にはいくつかの課題がある。
本稿では,Tritech Gemini 1200ikソナーを用いて,9000枚以上のMFLS画像からなる新しいデータセットを提案する。
論文 参考訳（メタデータ） (2022-12-01T08:26:03Z) - xView3-SAR: Detecting Dark Fishing Activity Using Synthetic Aperture
Radar Imagery [52.67592123500567]
世界の漁業は海洋資源や生態系に大きな脅威をもたらす。
夜間または夜間、全天候下で暗黒船の自動検出が可能となった。
xView3-SARは、Sentinel-1ミッションから得られた1000近い分析可能なSAR画像で構成されている。
論文 参考訳（メタデータ） (2022-06-02T06:53:45Z) - SeaDronesSee: A Maritime Benchmark for Detecting Humans in Open Water [13.216389226310987]
本稿では,大規模ビジュアルオブジェクト検出・追跡ベンチマーク(SeaDronesSee)を紹介する。
我々は,高度5～260mから0～90度までの様々な角度から,40万のインスタンスで54,000以上のフレームを収集,注釈した。
新たに構築したベンチマークをベースラインとして、最新のコンピュータビジョンアルゴリズムを複数評価します。
論文 参考訳（メタデータ） (2021-05-05T08:18:36Z) - Object Detection in Aerial Images: A Large-Scale Benchmark and
Challenges [124.48654341780431]
航空画像(DOTA)におけるオブジェクトデテクションの大規模データセットとODAIの総合的ベースラインについて述べる。
提案するDOTAデータセットは,11,268個の空中画像から収集した18カテゴリのオブジェクト指向ボックスアノテーションの1,793,658個のオブジェクトインスタンスを含む。
70以上の構成を持つ10の最先端アルゴリズムをカバーするベースラインを構築し,各モデルの速度と精度を評価した。
論文 参考訳（メタデータ） (2021-02-24T11:20:55Z) - ABOShips -- An Inshore and Offshore Maritime Vessel Detection Dataset
with Precise Annotations [0.17205106391379021]
沿岸および沖合のデータセットの海洋容器検出は例外ではない。
異なる要因を考慮に入れた海上船舶画像のデータセットを収集した。
船体インスタンス(9種類の船を含む)、シーマーク、各種のフローターが正確に注釈付けされた。
4つの主成分検出アルゴリズムのアウト・オブ・ボックス性能を評価した。
論文 参考訳（メタデータ） (2021-02-11T07:05:33Z) - TJU-DHD: A Diverse High-Resolution Dataset for Object Detection [48.94731638729273]
大規模でリッチな多様性と高解像度のデータセットは、よりよいオブジェクト検出方法を開発する上で重要な役割を果たす。
私たちは多種多様な高解像度データセット(TJU-DHD)を構築します。
データセットには115,354枚の高解像度画像と709,330個のラベル付きオブジェクトが含まれており、スケールと外観に大きな違いがある。
論文 参考訳（メタデータ） (2020-11-18T09:32:24Z) - FGSD: A Dataset for Fine-Grained Ship Detection in High Resolution
Satellite Images [22.883300168530035]
高解像度リモートセンシング画像を用いた船舶検出は、海面規制に寄与する重要な課題である。
船舶検出研究の促進を目的として, FGSD と命名された, きめ細かな船舶検出データセットを新たに導入した。
このデータセットは、世界中の複数の大きな港からの船のサンプルを含む高解像度のリモートセンシング画像を集めている。
論文 参考訳（メタデータ） (2020-03-15T13:54:20Z) - Real-Time target detection in maritime scenarios based on YOLOv3 model [65.35132992156942]
ウェブスクレイピングによって収集された56k以上の海洋船舶の画像からなる、新しい船舶データセットが提案されている。
Keras APIをベースとしたYOLOv3シングルステージ検出器がこのデータセット上に構築されている。
論文 参考訳（メタデータ） (2020-02-10T15:25:19Z)
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。