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
- 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) - A Novel Underwater Image Enhancement and Improved Underwater Biological
Detection Pipeline [8.326477369707122]
本稿では, YOLOv5 バックボーンに畳み込みブロックアテンションモジュール (CBAM) を付加した特徴情報を取得する手法を提案する。
物体特性に対する水中生物特性の干渉が減少し、対象情報に対するバックボーンネットワークの出力が向上する。
論文 参考訳(メタデータ) (2022-05-20T14:18:17Z) - Is the use of Deep Learning and Artificial Intelligence an appropriate
means to locate debris in the ocean without harming aquatic wildlife? [3.0478504236139528]
本研究の目的は,深層学習が海洋生物と人工破片の水中での識別に有効であるかどうかを評価することである。
目的は、水生生態系の微妙なバランスを損なうことなく、人工知能で安全に海洋を浄化できるかどうかを見つけることである。
論文 参考訳(メタデータ) (2021-12-01T00:12:04Z) - 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) - Neural Topological SLAM for Visual Navigation [112.73876869904]
意味論を生かし、近似幾何学的推論を行う空間のトポロジ的表現を設計する。
本稿では,ノイズのあるアクティベーションの下でそのような表現を構築し,維持し,使用することができる教師付き学習ベースアルゴリズムについて述べる。
論文 参考訳(メタデータ) (2020-05-25T17:56:29Z)
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。