論文の概要: Light Weight Character and Shape Recognition for Autonomous Drones
- arxiv url: http://arxiv.org/abs/2208.06804v1
- Date: Sun, 14 Aug 2022 08:22:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-16 13:51:13.834536
- Title: Light Weight Character and Shape Recognition for Autonomous Drones
- Title(参考訳): 自律ドローンの軽量特性と形状認識
- Authors: Neetigya Poddar, Shruti Jain
- Abstract要約: 本研究では, 偽陽性を防止し, 航空画像中のアルファ数値文字や形状の誤分類を最小限に抑える物体検出・分類パイプラインを提案する。
提案手法では,従来のコンピュータビジョン技術と教師なし機械学習手法を用いて地域提案を識別する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There has been an extensive use of Unmanned Aerial Vehicles in search and
rescue missions to distribute first aid kits and food packets. It is important
that these UAVs are able to identify and distinguish the markers from one
another for effective distribution. One of the common ways to mark the
locations is via the use of characters superimposed on shapes of various colors
which gives rise to wide variety of markers based on combination of different
shapes, characters, and their respective colors.
In this paper, we propose an object detection and classification pipeline
which prevents false positives and minimizes misclassification of alphanumeric
characters and shapes in aerial images. Our method makes use of traditional
computer vision techniques and unsupervised machine learning methods for
identifying region proposals, segmenting the image targets and removing false
positives. We make use of a computationally light model for classification,
making it easy to be deployed on any aerial vehicle.
- Abstract(参考訳): 無人航空機は、ファーストエイズキットとフードパケットを配布するための捜索救助任務に広く利用されている。
これらのuavが効果的な分布のためにマーカーを識別し識別できることは重要である。
位置を示す一般的な方法の1つは、様々な色の形状に重畳された文字を使用することで、異なる形状、文字、およびそれぞれの色の組み合わせに基づいて様々なマーカーが生じる。
本稿では,誤検出を防止し,航空画像中の数字と形状の誤分類を最小化する物体検出・分類パイプラインを提案する。
本手法は,従来のコンピュータビジョン手法と教師なし機械学習手法を用いて地域提案を識別し,画像ターゲットを分割し,偽陽性を除去した。
分類には計算量的に軽量なモデルを用いることで,任意の航空機に容易に展開できる。
関連論文リスト
- An Application-Agnostic Automatic Target Recognition System Using Vision Language Models [32.858386851006316]
オープン語彙オブジェクト検出と分類モデルを用いた新しい自動ターゲット認識(ATR)システムを提案する。
このアプローチの主な利点は、非技術的エンドユーザーによって実行直前にターゲットクラスを定義することができることである。
所望のターゲットのナンスを自然言語で表現することは、トレーニングデータをほとんどあるいは全く持たないユニークなターゲットに役立ちます。
論文 参考訳(メタデータ) (2024-11-05T20:16:15Z) - Intelligent Known and Novel Aircraft Recognition -- A Shift from
Classification to Similarity Learning for Combat Identification [0.7841783185186357]
本研究は,ノウン型に加えて,ノベル/アンノウン型航空機の正確な認識について論じる。
ヒトの専門家による戦闘識別と画像分類の伝統的な手法は、新しいクラスを特定するのに不足している。
我々の手法は、軍用と民間の幅広い航空機の特徴を明らかにするために類似性学習を利用する。
論文 参考訳(メタデータ) (2024-02-26T11:08:26Z) - OsmLocator: locating overlapping scatter marks with a non-training
generative perspective [48.50108853199417]
重複するマークの配置には、テクスチャの欠如、文脈の少ない情報、ハロー形状、小さなサイズなど、多くの困難がある。
ここでは、クラスタリングに基づく再視覚化の最適化問題として、非学習的生成の観点から定式化する。
特に,異なるマーカーと様々な重なり合いの重なり合いを持つ何百もの散乱画像を含む2023というデータセットを構築し,提案手法を既存の手法と比較した。
論文 参考訳(メタデータ) (2023-12-18T12:39:48Z) - DiPS: Discriminative Pseudo-Label Sampling with Self-Supervised
Transformers for Weakly Supervised Object Localization [13.412674368913747]
識別的擬似ラベルサンプリング(DiPS)は、クラス非依存の写像を弱教師付きオブジェクトの局所化に活用するために導入された。
DiPSは、各アテンションマップの最も識別性の高い領域を特定するために、事前訓練された分類器に依存している。
オブジェクトのさまざまな部分をカバーするために、多様で差別的な提案の豊富なプールを提供する。
論文 参考訳(メタデータ) (2023-10-09T22:52:43Z) - A Black-Box Attack on Optical Character Recognition Systems [0.0]
敵対的機械学習は、ディープラーニングモデルの脆弱性を示す新興分野である。
本稿では,バイナリ画像分類器上での効果的なコンビネータブラックボックス攻撃法を提案する。
2つの異なるデータセットと3つの分類ネットワーク上での攻撃手法の有効性を検証し,その性能を実証した。
論文 参考訳(メタデータ) (2022-08-30T14:36:27Z) - LEAD: Self-Supervised Landmark Estimation by Aligning Distributions of
Feature Similarity [49.84167231111667]
自己監督型ランドマーク検出における既存の研究は、画像から高密度(ピクセルレベルの)特徴表現を学習することに基づいている。
自己教師付き方式で高密度同変表現の学習を強化するアプローチを提案する。
機能抽出器にそのような先行性があることは,アノテーションの数が大幅に制限されている場合でも,ランドマーク検出に役立ちます。
論文 参考訳(メタデータ) (2022-04-06T17:48:18Z) - Attention Model Enhanced Network for Classification of Breast Cancer
Image [54.83246945407568]
AMENはマルチブランチ方式で、画素ワイドアテンションモデルとサブモジュールの分類で定式化される。
微妙な詳細情報に焦点を合わせるため、サンプル画像は、前枝から生成された画素対応の注目マップによって強化される。
3つのベンチマークデータセットで行った実験は、様々なシナリオにおいて提案手法の優位性を実証している。
論文 参考訳(メタデータ) (2020-10-07T08:44:21Z) - Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。
UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文 参考訳(メタデータ) (2020-09-16T11:37:43Z) - Orientation-aware Vehicle Re-identification with Semantics-guided Part
Attention Network [33.712450134663236]
本研究では,車両の視界の異なる部分注意マスクを頑健に予測するための,セマンティックス誘導部品注意ネットワーク(SPAN)を提案する。
パーシャルアテンションマスクの助けを借りて、各部分の識別的特徴を別々に抽出できる。
次に、共起車部品に重点を置くCPDM(Co-occurrence Part-attentive Distance Metric)を紹介する。
論文 参考訳(メタデータ) (2020-08-26T07:33:09Z) - CSI: Novelty Detection via Contrastive Learning on Distributionally
Shifted Instances [77.28192419848901]
コントラストシフトインスタンス (CSI) という,単純かつ効果的な手法を提案する。
従来のコントラスト学習法のように,サンプルを他の例と対比することに加えて,本トレーニング手法では,サンプルを分散シフトによる拡張と対比する。
本実験は, 種々の新規検出シナリオにおける本手法の優位性を実証する。
論文 参考訳(メタデータ) (2020-07-16T08:32:56Z) - The Devil is in the Details: Self-Supervised Attention for Vehicle
Re-Identification [75.3310894042132]
車両識別のための自己監督的注意(SAVER)は、車両固有の識別特徴を効果的に学習するための新しいアプローチである。
我々は,SAVERがVeRi, VehicleID, Vehicle-1M, VERI-Wildのデータセットに挑戦する際の最先端性を改善することを示す。
論文 参考訳(メタデータ) (2020-04-14T02:24:47Z)
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。