論文の概要: TF-Net: Deep Learning Empowered Tiny Feature Network for Night-time UAV Detection

• arxiv url: http://arxiv.org/abs/2211.16317v1
• Date: Tue, 29 Nov 2022 15:58:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 16:50:23.204945
• Title: TF-Net: Deep Learning Empowered Tiny Feature Network for Night-time UAV Detection
• Title（参考訳）: tf-net: 夜間uav検出のためのディープラーニング機能ネットワーク
• Authors: Maham Misbah and Misha Urooj Khan and Zhaohui Yang and Zeeshan Kaleem
• Abstract要約: 本稿では、深層学習に基づくTinyFeatureNet(TF-Net)を用いて、夜間に赤外線画像を用いてUAVを正確に検出する。 その結果,提案するTF-Netの性能は,精度,IoU,GFLOPS,モデルサイズ,FPSで向上した。
• 参考スコア（独自算出の注目度）: 10.43480599406243
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Technological advancements have normalized the usage of unmanned aerial vehicles (UAVs) in every sector, spanning from military to commercial but they also pose serious security concerns due to their enhanced functionalities and easy access to private and highly secured areas. Several instances related to UAVs have raised security concerns, leading to UAV detection research studies. Visual techniques are widely adopted for UAV detection, but they perform poorly at night, in complex backgrounds, and in adverse weather conditions. Therefore, a robust night vision-based drone detection system is required to that could efficiently tackle this problem. Infrared cameras are increasingly used for nighttime surveillance due to their wide applications in night vision equipment. This paper uses a deep learning-based TinyFeatureNet (TF-Net), which is an improved version of YOLOv5s, to accurately detect UAVs during the night using infrared (IR) images. In the proposed TF-Net, we introduce architectural changes in the neck and backbone of the YOLOv5s. We also simulated four different YOLOv5 models (s,m,n,l) and proposed TF-Net for a fair comparison. The results showed better performance for the proposed TF-Net in terms of precision, IoU, GFLOPS, model size, and FPS compared to the YOLOv5s. TF-Net yielded the best results with 95.7\% precision, 84\% mAp, and 44.8\% $IoU$.
• Abstract（参考訳）: 技術進歩により、軍用から商業用まで、あらゆる分野における無人航空機(uav)の使用は標準化されているが、機能強化と民間および高度に安全である地域への容易なアクセスにより、深刻なセキュリティ上の懸念も生じている。 UAVに関連するいくつかの事例がセキュリティ上の懸念を提起し、UAV検出研究に繋がった。 視覚技術はUAV検出に広く採用されているが、夜間、複雑な背景、悪天候環境では性能が良くない。 したがって、この問題に効果的に取り組むためには、堅牢な夜間視覚に基づくドローン検知システムが必要である。 赤外線カメラは、夜間監視装置に広く応用されているため、夜間監視にますます利用されている。 本稿では, 夜間のUAVを赤外線(IR)画像で正確に検出するために, YOLOv5sの改良版である深層学習ベースのTinyFeatureNet(TF-Net)を用いる。 提案するTF-Netでは、YOLOv5sのネックとバックボーンのアーキテクチャ変更を紹介する。 また,4種類の YOLOv5 モデル (s,m,n,l) と TF-Net を公平に比較した。 その結果, 提案したTF-Netの精度, IoU, GFLOPS, モデルサイズ, FPSにおいて, YOLOv5sと比較して優れた性能を示した。 TF-Netは95.7\%の精度、84\%のmAp、44.8\%のIoU$で最高の結果を得た。

関連論文リスト

• Towards Real-Time Fast Unmanned Aerial Vehicle Detection Using Dynamic Vision Sensors [6.03212980984729]
  無人航空機(UAV)は民間や軍事用途で人気を集めている。 UAVの予防と検出は、機密性と安全性を保証するために重要である。 本稿では,F-UAV-D(Fast Unmanned Aerial Vehicle Detector)を提案する。
  論文  参考訳（メタデータ） (2024-03-18T15:27:58Z)
• Evidential Detection and Tracking Collaboration: New Problem, Benchmark and Algorithm for Robust Anti-UAV System [56.51247807483176]
  無人航空機(UAV)は輸送、監視、軍事など多くの地域で広く使われている。 従来は、UAVの先行情報が常に提供されていた追跡問題として、このようなアンチUAVタスクを単純化していた。 本稿では,従来のUAV情報を含まない複雑な場面において,UAVの認識を特徴とする新しい実用的対UAV問題を初めて定式化する。
  論文  参考訳（メタデータ） (2023-06-27T19:30:23Z)
• GAANet: Ghost Auto Anchor Network for Detecting Varying Size Drones in Dark [26.76350889866067]
  赤外線画像に対するGhost Auto Anchor Network (GAANet) と呼ばれるオブジェクト検出器を提案する。 この検出器はYOLOv5コアを使用して、赤外線画像の物体検出の課題に対処する。 GAANetの総合平均精度は、それぞれ2.5%、2.3%、および1.4%である。
  論文  参考訳（メタデータ） (2023-05-05T10:46:05Z)
• Deep Neural Network Architecture Search for Accurate Visual Pose Estimation aboard Nano-UAVs [69.19616451596342]
  小型無人航空機(UAV)は、新興かつトレンドのトピックである。 我々は、新しいニューラルネットワーク探索(NAS)技術を活用し、視覚的ポーズ推定タスクのために複数の畳み込みニューラルネットワーク(CNN)を自動的に識別する。 その結果,10Hz@10mWおよび50Hz@90mWの実時間オンボード推算速度を達成しつつ,フィールド内制御誤差を32%低減し,現状を改善できた。
  論文  参考訳（メタデータ） (2023-03-03T14:02:09Z)
• Learning to Compress Unmanned Aerial Vehicle (UAV) Captured Video: Benchmark and Analysis [54.07535860237662]
  本稿では,UAVビデオ符号化学習のための新しいタスクを提案し,そのようなタスクに対する包括的で体系的なベンチマークを構築する。 このベンチマークは、ドローンプラットフォームにおけるビデオコーディングの研究と開発を加速させるものと期待されている。
  論文  参考訳（メタデータ） (2023-01-15T15:18:02Z)
• Small Object Detection using Deep Learning [0.28675177318965034]
  提案システムは,高速物体検出モデル(YOLO)のフレーバーであるTiny YOLOv3(Tiny YOLOv3)を構築・使用した。 提案したアーキテクチャは、以前のYOLOバージョンに比べて大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-01-10T09:58:25Z)
• Attention-based Reinforcement Learning for Real-Time UAV Semantic Communication [53.46235596543596]
  移動地利用者に対する空対地超信頼性・低遅延通信(URLLC)の問題点について検討する。 グラフアテンション交換ネットワーク(GAXNet)を用いたマルチエージェント深層強化学習フレームワークを提案する。 GAXNetは、最先端のベースラインフレームワークと比較して、0.0000001エラー率で6.5倍のレイテンシを実現している。
  論文  参考訳（メタデータ） (2021-05-22T12:43:25Z)
• UAV-ReID: A Benchmark on Unmanned Aerial Vehicle Re-identification [21.48667873335246]
  近年のディープラーニング開発により、視覚ベースの対UAVシステムは単一のカメラでUAVを検出し、追跡することができる。 単一のカメラのカバー範囲は限られており、カメラ間のUAVにマッチするマルチカメラ構成が必要である。 我々は,この新興地域での機械学習ソリューションの開発を容易にする,UAV-reIDという新しいUAV再識別データセットを提案する。
  論文  参考訳（メタデータ） (2021-04-13T14:13:09Z)
• Anti-UAV: A Large Multi-Modal Benchmark for UAV Tracking [59.06167734555191]
  Unmanned Aerial Vehicle (UAV)は、商業とレクリエーションの両方に多くの応用を提供している。 我々は、UAVを追跡し、位置や軌道などの豊富な情報を提供するという課題を考察する。 300以上のビデオペアが580k以上の手動で注釈付きバウンディングボックスを含むデータセット、Anti-UAVを提案します。
  論文  参考訳（メタデータ） (2021-01-21T07:00:15Z)
• 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)

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。