論文の概要: A semi-supervised geometric-driven methodology for supervised fishing
activity detection on multi-source AIS tracking messages
- arxiv url: http://arxiv.org/abs/2207.05514v1
- Date: Tue, 12 Jul 2022 13:17:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-13 14:27:23.833919
- Title: A semi-supervised geometric-driven methodology for supervised fishing
activity detection on multi-source AIS tracking messages
- Title（参考訳）: マルチソースAIS追跡メッセージにおける半教師付き幾何駆動型漁業活動検出手法
- Authors: Martha Dais Ferreira, Gabriel Spadon, Amilcar Soares, Stan Matwin
- Abstract要約: 本稿では,AISデータから漁業活動を検出するための幾何学的半教師付きアプローチを提案する。
船舶経路の形状を記述する特徴を抽出するために,メッセージに含まれる情報を探索する方法を示す。
AISデータストリーム上のリカレントニューラルネットワークを用いて,50種類の漁船の全航路におけるF$スコアの約87%を網羅した解を提案する。
- 参考スコア（独自算出の注目度）: 11.969292109862856
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic Identification System (AIS) messages are useful for tracking vessel
activity across oceans worldwide using radio links and satellite transceivers.
Such data plays a significant role in tracking vessel activity and mapping
mobility patterns such as those found in fishing. Accordingly, this paper
proposes a geometric-driven semi-supervised approach for fishing activity
detection from AIS data. Through the proposed methodology we show how to
explore the information included in the messages to extract features describing
the geometry of the vessel route. To this end, we leverage the unsupervised
nature of cluster analysis to label the trajectory geometry highlighting the
changes in the vessel's moving pattern which tends to indicate fishing
activity. The labels obtained by the proposed unsupervised approach are used to
detect fishing activities, which we approach as a time-series classification
task. In this context, we propose a solution using recurrent neural networks on
AIS data streams with roughly 87% of the overall $F$-score on the whole
trajectories of 50 different unseen fishing vessels. Such results are
accompanied by a broad benchmark study assessing the performance of different
Recurrent Neural Network (RNN) architectures. In conclusion, this work
contributes by proposing a thorough process that includes data preparation,
labeling, data modeling, and model validation. Therefore, we present a novel
solution for mobility pattern detection that relies upon unfolding the
trajectory in time and observing their inherent geometry.
- Abstract（参考訳）: 自動識別システム(ais)メッセージは、無線リンクと衛星トランシーバを使用して世界中の海洋を横断する船舶活動の追跡に有用である。
このようなデータは、漁業に見られるような船舶活動の追跡や移動パターンのマッピングに重要な役割を果たしている。
そこで本研究では,AISデータから漁業活動を検出するための幾何学的半教師付きアプローチを提案する。
提案手法により, 船舶経路の形状を記述する特徴を抽出するために, メッセージに含まれる情報を探索する方法を示す。
この目的のために,クラスタ分析の教師なしの性質を活用し,漁獲活動を示す傾向にある船舶の移動パターンの変化を示す軌道形状をラベル付けする。
提案手法により得られたラベルは漁獲活動の検出に用いられ, 時系列分類タスクとしてアプローチする。
本研究では,AISデータストリーム上のリカレントニューラルネットワークを用いて,50種類の漁船の全航路におけるF$スコアの約87%を網羅する手法を提案する。
このような結果は、異なるリカレントニューラルネットワーク(RNN)アーキテクチャの性能を評価する広範なベンチマーク研究に伴う。
結論として、この研究は、データ準備、ラベル付け、データモデリング、モデルの検証を含む徹底したプロセスを提案することで貢献する。
そこで本研究では,時間内に軌道を拡大し,その固有形状を観察することに依存する,移動パターン検出のための新しい解を提案する。
関連論文リスト
- Outlier detection in maritime environments using AIS data and deep recurrent architectures [5.399126243770847]
本稿では,海上監視のための深部再帰モデルに基づく手法を,公開可能な自動識別システム(AIS)データ上で提案する。
このセットアップはディープ・リカレント・ニューラルネットワーク(RNN)ベースのモデルを使用して、観測された船の動きパターンを符号化し、再構築する。
提案手法は,観測された動作パターンと再構成された動作パターンの計算誤差に対するしきい値決定機構に基づく。
論文 参考訳（メタデータ） (2024-06-14T12:15:15Z) - SeMoLi: What Moves Together Belongs Together [51.72754014130369]
動作手がかりに基づく半教師付き物体検出に挑戦する。
近年,移動物体の擬似ラベルインスタンスに対して,動きに基づくクラスタリング手法が適用可能であることが示唆された。
我々は、このアプローチを再考し、オブジェクト検出とモーションインスパイアされた擬似ラベルの両方が、データ駆動方式で取り組めることを示唆する。
論文 参考訳（メタデータ） (2024-02-29T18:54:53Z) - Auto-encoding GPS data to reveal individual and collective behaviour [0.0]
本研究では,個々の軌跡データを用いて個人的および集団的行動を分析する,革新的で汎用的な手法を提案する。
この研究は、海洋生物多様性の保全と生態系に基づく漁業管理の文脈において、規制追跡データから収集された漁船のGPSトラジェクトリの分析によって動機付けられている。
論文 参考訳（メタデータ） (2023-12-01T09:41:40Z) - Diffusion Generative Flow Samplers: Improving learning signals through
partial trajectory optimization [87.21285093582446]
Diffusion Generative Flow Samplers (DGFS) はサンプルベースのフレームワークであり、学習プロセスを短い部分的軌道セグメントに分解することができる。
生成フローネットワーク(GFlowNets)のための理論から着想を得た。
論文 参考訳（メタデータ） (2023-10-04T09:39:05Z) - Evaluating geospatial context information for travel mode detection [2.4004628912753234]
本研究では,移動モード検出のための地理空間的コンテキスト情報の寄与を評価するための分析パイプラインを提案する。
本報告では,鉄道や道路網との距離など,インフラネットワークとの関係を記述した特徴が,モデルの予測に大きく寄与している。
最終的に、地理空間のコンテキストが、異なる移動モードの識別に異なる貢献をしていることが明らかとなった。
論文 参考訳（メタデータ） (2023-05-30T21:49:16Z) - Multi-Object Tracking by Iteratively Associating Detections with Uniform
Appearance for Trawl-Based Fishing Bycatch Monitoring [22.228127377617028]
漁業活動における漁獲監視の目的は、映像から魚の標的をリアルタイムで検出し、追跡し、分類することである。
本稿では,既存の観測中心追跡アルゴリズムに基づく新しいMOT手法を提案する。
本手法は,海洋魚種群およびMOT17種群において,一様外観の追跡目標の性能向上と最先端技術の向上を図っている。
論文 参考訳（メタデータ） (2023-04-10T18:55:10Z) - A CNN-LSTM Architecture for Marine Vessel Track Association Using
Automatic Identification System (AIS) Data [2.094022863940315]
本研究では,トラックアソシエーションのための1次元CNN-LSTMアーキテクチャに基づくフレームワークを提案する。
提案した枠組みは、自動識別システム(AIS)を介して収集された船舶の位置と動きデータを入力とし、最も可能性の高い船舶軌道をリアルタイムで出力として返す。
論文 参考訳（メタデータ） (2023-03-24T15:26:49Z) - 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D
Point Clouds [95.54285993019843]
本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。
本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
論文 参考訳（メタデータ） (2022-11-01T20:59:38Z) - Context-Preserving Instance-Level Augmentation and Deformable
Convolution Networks for SAR Ship Detection [50.53262868498824]
ランダムな方向と部分的な情報損失によるSAR画像のターゲット形状の変形は、SAR船の検出において必須の課題である。
ターゲット内の部分的な情報損失に頑健なディープネットワークをトレーニングするためのデータ拡張手法を提案する。
論文 参考訳（メタデータ） (2022-02-14T07:01:01Z) - Anomaly Detection on Attributed Networks via Contrastive Self-Supervised
Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。
このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。
高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文 参考訳（メタデータ） (2021-02-27T03:17:20Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z)
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。