論文の概要: Satellite Detection in Unresolved Space Imagery for Space Domain Awareness Using Neural Networks

• arxiv url: http://arxiv.org/abs/2207.11412v1
• Date: Sat, 23 Jul 2022 04:28:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-26 13:42:07.412648
• Title: Satellite Detection in Unresolved Space Imagery for Space Domain Awareness Using Neural Networks
• Title（参考訳）: ニューラルネットワークを用いた宇宙領域認識のための未解決空間画像の衛星検出
• Authors: Jarred Jordan, Daniel Posada, David Zuehlke, Angelica Radulovic, Aryslan Malik, and Troy Henderson
• Abstract要約: この研究は、MobileNetV2 Convolutional Neural Network (CNN)を用いて、衛星の高速かつ移動的な検出を行う。 カスタムデータベースは、合成衛星画像プログラムの画像を使用して作成され、衛星上の「衛星陽性」画像のバウンディングボックスでラベル付けされる。 CNNは、このデータベース上でトレーニングされ、実際の望遠鏡画像で構成された外部データセット上で、モデルの精度をチェックすることによって、推論が検証される。
• 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: This work utilizes a MobileNetV2 Convolutional Neural Network (CNN) for fast, mobile detection of satellites, and rejection of stars, in cluttered unresolved space imagery. First, a custom database is created using imagery from a synthetic satellite image program and labeled with bounding boxes over satellites for "satellite-positive" images. The CNN is then trained on this database and the inference is validated by checking the accuracy of the model on an external dataset constructed of real telescope imagery. In doing so, the trained CNN provides a method of rapid satellite identification for subsequent utilization in ground-based orbit estimation.
• Abstract（参考訳）: この研究はMobileNetV2 Convolutional Neural Network (CNN)を用いて、衛星の高速かつ移動的な検出と、未解決の未解決宇宙画像における星の拒絶を行う。 まず、合成衛星画像プログラムの画像を用いてカスタムデータベースを作成し、衛星上の「衛星陽性」画像にバウンディングボックスをラベル付けする。 cnnはこのデータベースでトレーニングされ、実際の望遠鏡画像から構築された外部データセット上でモデルの精度をチェックすることによって、推論が検証される。 その際、訓練されたcnnは、地上からの軌道推定におけるその後の利用のための迅速な衛星識別方法を提供する。

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)
• Vehicle Perception from Satellite [54.07157185000604]
  データセットは、GTA-Vから記録された12の衛星ビデオと14の合成ビデオに基づいて構築されている。 小さなオブジェクトの検出、カウント、密度推定など、いくつかのタスクをサポートする。 128,801両は完全に注釈付けされており、各画像の車両数は0から101まで様々である。
  論文  参考訳（メタデータ） (2024-02-01T15:59:16Z)
• DiffusionSat: A Generative Foundation Model for Satellite Imagery [63.2807119794691]
  現在、DiffusionSatは、現在利用可能な大規模な高解像度リモートセンシングデータセットのコレクションに基づいてトレーニングされている、最大の生成基盤モデルである。 提案手法は, リアルタイムなサンプルを作成し, 時間生成, マルチスペクトル入力の超解像, インペイントなどの複数の生成課題を解くのに利用できる。
  論文  参考訳（メタデータ） (2023-12-06T16:53:17Z)
• Low-Earth Satellite Orbit Determination Using Deep Convolutional Networks with Satellite Imagery [0.0]
  我々は,地上局との接触をなくす際に,衛星がリアルタイムに撮影した地球の画像に頼ってその軌道を予測できるコンピュータビジョンに基づくアプローチを提案する。 他の研究とは対照的に、画像ベースのデータセットでニューラルネットワークをトレーニングし、ニューラルネットワークが軌道決定におけるデファクト標準よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-20T21:38:05Z)
• Evaluation of Pre-Trained CNN Models for Geographic Fake Image Detection [20.41074415307636]
  我々は偽の衛星画像の出現を目撃しており、それは誤解を招く可能性があるし、国家の安全を脅かすかもしれない。 衛星画像検出のためのいくつかの畳み込みニューラルネットワーク(CNN)アーキテクチャの適合性について検討する。 この研究により、新たなベースラインの確立が可能となり、偽衛星画像検出のためのCNNベースの手法の開発に有用かもしれない。
  論文  参考訳（メタデータ） (2022-10-01T20:37:24Z)
• CVLNet: Cross-View Semantic Correspondence Learning for Video-based Camera Localization [89.69214577915959]
  本稿では,クロスビューカメラのローカライゼーション問題に対処する。 本稿では、類似性マッチングの前に、問合せカメラの衛星画像に対する相対変位を推定する。 実験は、単一の画像に基づく位置決めよりもビデオベースの位置決めの有効性を実証した。
  論文  参考訳（メタデータ） (2022-08-07T07:35:17Z)
• Convolutional Neural Processes for Inpainting Satellite Images [56.032183666893246]
  Inpaintingは、既知のピクセルに基づいて何が欠けているかを予測することを含み、画像処理における古い問題である。 本研究では,LANDSAT 7衛星画像のスキャンライン塗装問題に対して,従来の手法や最先端のディープラーニング塗装モデルよりも優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2022-05-24T23:29:04Z)
• Autonomous Satellite Detection and Tracking using Optical Flow [0.0]
  画像中の衛星検出と追跡の自律的手法を光学フローを用いて実装する。 光の流れは、一連の宇宙画像において検出された物体の速度を推定するために用いられる。 検出アルゴリズムは、シミュレートされた恒星画像と衛星の地上画像の両方を用いて実施される。
  論文  参考訳（メタデータ） (2022-04-14T15:23:27Z)
• Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
  本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。 鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。 標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
  論文  参考訳（メタデータ） (2022-04-10T19:16:58Z)
• Semantic Segmentation of Medium-Resolution Satellite Imagery using Conditional Generative Adversarial Networks [3.4797121357690153]
  本稿では,高解像度衛星画像に対する画像と画像の変換手法として,CGAN(Conditional Generative Adversarial Networks)を提案する。 CGANモデルは、見当たらない不均衡なテストデータセットにおいて、同様の複雑性のCNNモデルよりもかなりのマージンで優れていることがわかった。
  論文  参考訳（メタデータ） (2020-12-05T18:18:45Z)
• Super-Resolving Commercial Satellite Imagery Using Realistic Training Data [15.642067804645396]
  本稿では,商用衛星画像製品のためのリアルなトレーニングデータ生成モデルを提案する。 実験により、提案したトレーニングデータ生成モデルは、実際の衛星画像の超解像性能を向上させることができることが示された。
  論文  参考訳（メタデータ） (2020-02-26T01:18:51Z)

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。