論文の概要: Fast Region of Interest Proposals on Maritime UAVs

• arxiv url: http://arxiv.org/abs/2301.11650v1
• Date: Fri, 27 Jan 2023 10:58:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-30 15:55:25.625925
• Title: Fast Region of Interest Proposals on Maritime UAVs
• Title（参考訳）: 海上uavの高速利息領域の提案
• Authors: Benjamin Kiefer, Andreas Zell
• Abstract要約: 無人航空機は、大規模な捜索エリアを飛行して、物体や人々を自律的に捜索することで、海難救助任務を支援する。 組込みGPU上のビデオストリームに有意義な関心領域を求める問題を考察する。 本稿では,組込みGPU上でリアルタイムに動作し,領域提案を生成するエンドツーエンドのフレーム予測モデルを提案する。
• 参考スコア（独自算出の注目度）: 17.216675255887463
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unmanned aerial vehicles assist in maritime search and rescue missions by flying over large search areas to autonomously search for objects or people. Reliably detecting objects of interest requires fast models to employ on embedded hardware. Moreover, with increasing distance to the ground station only part of the video data can be transmitted. In this work, we consider the problem of finding meaningful region of interest proposals in a video stream on an embedded GPU. Current object or anomaly detectors are not suitable due to their slow speed, especially on limited hardware and for large image resolutions. Lastly, objects of interest, such as pieces of wreckage, are often not known a priori. Therefore, we propose an end-to-end future frame prediction model running in real-time on embedded GPUs to generate region proposals. We analyze its performance on large-scale maritime data sets and demonstrate its benefits over traditional and modern methods.
• Abstract（参考訳）: 無人航空機は、大規模な捜索エリアを飛行して、物体や人々を自律的に捜索することで、海難救助任務を支援する。 興味のあるオブジェクトを確実に検出するには、組み込みハードウェアに高速モデルを採用する必要がある。 また、地上局までの距離が大きくなると、映像データの一部のみを伝送することができる。 本研究では,組込みGPU上のビデオストリームにおいて,有意義な関心領域を求める問題について考察する。 現在の物体や異常検出器は速度が遅いため、特に限られたハードウェアや大規模な画像解像度では不適当である。 最後に、残骸の破片のような興味のある物体は、しばしば優先事項として知られていない。 そこで本研究では,組込みGPU上でリアルタイムに動作するエンドツーエンドのフレーム予測モデルを提案する。 大規模海洋データセットの性能を解析し、従来の手法や現代的な手法よりも利点を実証する。

関連論文リスト

• Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving [68.95178518732965]
  自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。 既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。 これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
  論文  参考訳（メタデータ） (2023-08-02T23:39:24Z)
• Multi-Task Cross-Modality Attention-Fusion for 2D Object Detection [6.388430091498446]
  レーダとカメラデータの整合性を向上する2つの新しいレーダ前処理手法を提案する。 また,オブジェクト検出のためのMulti-Task Cross-Modality Attention-Fusion Network (MCAF-Net)を導入する。 我々のアプローチは、nuScenesデータセットにおける現在の最先端のレーダーカメラフュージョンベースのオブジェクト検出器よりも優れています。
  論文  参考訳（メタデータ） (2023-07-17T09:26:13Z)
• Event-Free Moving Object Segmentation from Moving Ego Vehicle [88.33470650615162]
  動的シーンにおけるオブジェクトセグメンテーション(MOS)の移動は、自律運転において重要で困難だが、未調査の研究テーマである。 ほとんどのセグメンテーション法は、光学フローマップから得られるモーションキューを利用する。 我々は,光学的フローに頼らずにリッチなモーションキューを提供する,より優れた映像理解のためのイベントカメラを活用することを提案する。
  論文  参考訳（メタデータ） (2023-04-28T23:43:10Z)
• SeaDroneSim: Simulation of Aerial Images for Detection of Objects Above Water [4.625920569634467]
  無人航空機(UAV)はその高速で多用途で知られている。 我々は、フォトリアリスティックな空中画像データセットを作成するために使用できる新しいベンチマークスイート、textittextbfSeaDroneSimを提案する。 実地画像に71mAPを印加し,BlueROV検出の実現可能性について検討した。
  論文  参考訳（メタデータ） (2022-10-26T21:50:50Z)
• Video Salient Object Detection via Contrastive Features and Attention Modules [106.33219760012048]
  本稿では,注目モジュールを持つネットワークを用いて,映像の有意な物体検出のためのコントラスト特徴を学習する。 コアテンションの定式化は、低レベル特徴と高レベル特徴を組み合わせるために用いられる。 提案手法は計算量が少なく,最先端の手法に対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2021-11-03T17:40:32Z)
• FOVEA: Foveated Image Magnification for Autonomous Navigation [53.69803081925454]
  入力キャンバスを小さく保ちながら、ある領域を弾性的に拡大する注意的アプローチを提案する。 提案手法は,高速R-CNNより高速かつ微調整の少ない検出APを高速化する。 Argoverse-HD と BDD100K の自律走行データセットでは,提案手法が標準の高速 R-CNN を超越した検出APを微調整なしで促進することを示す。
  論文  参考訳（メタデータ） (2021-08-27T03:07:55Z)
• Analysis of voxel-based 3D object detection methods efficiency for real-time embedded systems [93.73198973454944]
  本稿では, ボクセルをベースとした2つの3次元物体検出手法について述べる。 実験の結果,これらの手法は入力点雲が遠距離にあるため,遠距離の小さな物体を検出できないことが確認できた。 この結果から,既存手法の計算のかなりの部分は,検出に寄与しないシーンの位置に着目していることが示唆された。
  論文  参考訳（メタデータ） (2021-05-21T12:40:59Z)
• Motion Vector Extrapolation for Video Object Detection [0.0]
  MOVEXは、一般的なCPUベースのシステムで低レイテンシのビデオオブジェクト検出を可能にする。 提案手法は,任意の対象検出器のベースライン遅延を著しく低減することを示す。 さらなるレイテンシ低減は、元のレイテンシよりも最大25倍低いもので、最小限の精度で達成できる。
  論文  参考訳（メタデータ） (2021-04-18T17:26:37Z)
• 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。