論文の概要: Review On Deep Learning Technique For Underwater Object Detection

• arxiv url: http://arxiv.org/abs/2209.10151v1
• Date: Wed, 21 Sep 2022 07:10:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 16:28:22.492275
• Title: Review On Deep Learning Technique For Underwater Object Detection
• Title（参考訳）: 水中物体検出のための深層学習技術の展望
• Authors: Radhwan Adnan Dakhil and Ali Retha Hasoon Khayeat
• Abstract要約: 水中構造物の修理と維持、海洋科学は水中物体の検出に大きく依存している。 本稿では,水中物体検出に利用されたデータセットの概要について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Repair and maintenance of underwater structures as well as marine science rely heavily on the results of underwater object detection, which is a crucial part of the image processing workflow. Although many computer vision-based approaches have been presented, no one has yet developed a system that reliably and accurately detects and categorizes objects and animals found in the deep sea. This is largely due to obstacles that scatter and absorb light in an underwater setting. With the introduction of deep learning, scientists have been able to address a wide range of issues, including safeguarding the marine ecosystem, saving lives in an emergency, preventing underwater disasters, and detecting, spooring, and identifying underwater targets. However, the benefits and drawbacks of these deep learning systems remain unknown. Therefore, the purpose of this article is to provide an overview of the dataset that has been utilized in underwater object detection and to present a discussion of the advantages and disadvantages of the algorithms employed for this purpose.
• Abstract（参考訳）: 水中構造物の修理とメンテナンス、および海洋科学は、画像処理ワークフローの重要な部分である水中物体検出の結果に大きく依存している。 多くのコンピュータビジョンに基づくアプローチが提示されているが、深海にある物体や動物を確実に正確に検出し分類するシステムはまだ開発されていない。 これは主に水中で光を散乱させ吸収する障害物によるものである。 深層学習の導入により、海洋生態系の保護、緊急時の生命の保全、水中災害の防止、水中目標の検出、スプーリング、特定など、幅広い問題に対処することが可能になった。 しかし、これらの深層学習システムの利点と欠点は未だ不明である。 そこで本論文では,水中物体検出に利用されたデータセットの概要と,これに用いるアルゴリズムの利点と欠点について考察する。

関連論文リスト

• Reducing Label Dependency for Underwater Scene Understanding: A Survey of Datasets, Techniques and Applications [3.4210271593052606]
  調査は、人間の専門家の入力への依存を減らすアプローチに焦点を当てている。 弱く自己監督的な深層学習の背景を提供し、これらの要素を水中モニタリング、コンピュータビジョン、深層学習の交差点を中心とする分類学に統合する。
  論文  参考訳（メタデータ） (2024-11-18T05:16:09Z)
• Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
  水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。 近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
  論文  参考訳（メタデータ） (2024-10-08T00:25:33Z)
• Deep Learning Innovations for Underwater Waste Detection: An In-Depth Analysis [0.0]
  本稿では, 埋立廃棄物処理とごみ処理の基盤となるため, 最先端のアーキテクチャと既存のデータセットを網羅的に検討する。 第一の目的は、高度な水中センサーと自律型水中車両によって活用される物体の局所化手法のベンチマークを確立することである。
  論文  参考訳（メタデータ） (2024-05-28T15:51:18Z)
• Is Underwater Image Enhancement All Object Detectors Need? [27.909292529992584]
  全ての物体検出器が前処理として水中画像の強化を必要とするかどうかは不明である。 我々は18の最先端水中画像強調アルゴリズムを用いて水中物体検出データを前処理する。 我々は,異なるアルゴリズムで強化された結果を用いて,一般的な深層学習型物体検出装置7点を再学習し,126個の水中物体検出モデルを得た。
  論文  参考訳（メタデータ） (2023-11-30T18:54:08Z)
• Improving Underwater Visual Tracking With a Large Scale Dataset and Image Enhancement [70.2429155741593]
  本稿では,水中ビジュアルオブジェクト追跡(UVOT)のための新しいデータセットと汎用トラッカ拡張手法を提案する。 水中環境は、一様でない照明条件、視界の低さ、鋭さの欠如、コントラストの低さ、カモフラージュ、懸濁粒子からの反射を示す。 本研究では,追尾品質の向上に特化して設計された水中画像強調アルゴリズムを提案する。 この手法により、最先端(SOTA)ビジュアルトラッカーの最大5.0%のAUCの性能が向上した。
  論文  参考訳（メタデータ） (2023-08-30T07:41:26Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
  オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。 提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
  論文  参考訳（メタデータ） (2022-12-23T03:00:28Z)
• Self-Supervised Monocular Depth Underwater [8.830479021890575]
  近年,単眼画像からの深度推定は大幅に改善されている。 水中環境下では、媒質による外観の変化により、まだ遅れている。 水中環境に対処するための自己監督型フレームワークにいくつかの追加を提案する。
  論文  参考訳（メタデータ） (2022-10-06T20:57:58Z)
• Deep Learning for Embodied Vision Navigation: A Survey [108.13766213265069]
  身体的視覚ナビゲーション」問題では、エージェントが3D環境をナビゲートする必要がある。 本稿では、総合的な文献調査を提供することで、視覚ナビゲーションの具体的分野における現在の研究の概要を確立することを試みる。
  論文  参考訳（メタデータ） (2021-07-07T12:09:04Z)
• Underwater Image Restoration via Contrastive Learning and a Real-world Dataset [59.35766392100753]
  本稿では,教師なし画像から画像への翻訳フレームワークに基づく水中画像復元手法を提案する。 提案手法は, 生画像と復元画像の相互情報を最大化するために, コントラスト学習と生成敵ネットワークを利用した。
  論文  参考訳（メタデータ） (2021-06-20T16:06:26Z)
• A Benchmark dataset for both underwater image enhancement and underwater object detection [34.25890702670983]
  境界ボックスアノテーションと高品質な参照画像の両方を用いた大規模水中物体検出データセットを提供する。 OUCデータセットは、水中物体検出タスクにおける水中画像強調アルゴリズムの影響を包括的に研究するためのプラットフォームを提供する。
  論文  参考訳（メタデータ） (2020-06-29T03:12:50Z)

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。