論文の概要: Efficient Feature Description for Small Body Relative Navigation using Binary Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2304.04985v1
• Date: Tue, 11 Apr 2023 05:09:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-12 16:09:04.213572
• Title: Efficient Feature Description for Small Body Relative Navigation using Binary Convolutional Neural Networks
• Title（参考訳）: 二元畳み込みニューラルネットワークを用いた小体相対ナビゲーションのための効率的な特徴記述
• Authors: Travis Driver and Panagiotis Tsiotras
• Abstract要約: 本稿では,二項畳み込みニューラルネットワーク層を利用した局所的特徴記述アーキテクチャを提案する。 私たちは、レガシーで進行中のミッションから、小さなボディの実際のイメージでモデルをトレーニングし、テストします。 次世代宇宙船プロセッサのサロゲートにモデルを実装し,オンライン機能トラッキングの実現可能なランタイムを実証する。
• 参考スコア（独自算出の注目度）: 17.15829643665034
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Missions to small celestial bodies rely heavily on optical feature tracking for characterization of and relative navigation around the target body. While techniques for feature tracking based on deep learning are a promising alternative to current human-in-the-loop processes, designing deep architectures that can operate onboard spacecraft is challenging due to onboard computational and memory constraints. This paper introduces a novel deep local feature description architecture that leverages binary convolutional neural network layers to significantly reduce computational and memory requirements. We train and test our models on real images of small bodies from legacy and ongoing missions and demonstrate increased performance relative to traditional handcrafted methods. Moreover, we implement our models onboard a surrogate for the next-generation spacecraft processor and demonstrate feasible runtimes for online feature tracking.
• Abstract（参考訳）: 小さな天体へのミッションは、光学的特徴追跡に大きく依存し、対象天体の周囲の相対的な航法を特徴づける。 深層学習に基づく特徴追跡技術は、現在の人間によるループプロセスに代わる有望な手法である一方、宇宙船で運用できる深層アーキテクチャの設計は、オンボード計算とメモリの制約のために困難である。 本稿では,バイナリ畳み込みニューラルネットワーク層を利用して計算とメモリ要求を大幅に削減する,新しい深部局所的特徴記述アーキテクチャを提案する。 我々は、レガシーで進行中のミッションから、小さな物体の実際のイメージに基づいてモデルをトレーニングし、テストし、従来の手作りの手法と比較してパフォーマンスの向上を実証する。 さらに,次世代宇宙船プロセッサのサロゲートにモデルを実装し,オンライン機能トラッキングの実現可能性を示す。

関連論文リスト

• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• Gaussian Splatting to Real World Flight Navigation Transfer with Liquid Networks [93.38375271826202]
  本研究では,シミュレート・トゥ・リアルな視覚四重項ナビゲーションタスクにおける分布シフトに対する一般化とロバスト性を改善する手法を提案する。 まず,擬似飛行力学とガウススプラッティングを統合してシミュレータを構築し,その後,液状ニューラルネットワークを用いてロバストなナビゲーションポリシーを訓練する。 このようにして、我々は3次元ガウススプラッティングラディアンス場レンダリング、専門家による実演訓練データのプログラミング、およびLiquid Networkのタスク理解能力の進歩を組み合わせたフルスタックの模倣学習プロトコルを得る。
  論文  参考訳（メタデータ） (2024-06-21T13:48:37Z)
• Neuromorphic Optical Flow and Real-time Implementation with Event Cameras [47.11134388304464]
  イベントベースのビジョンとスパイクニューラルネットワークの最新の開発の上に構築しています。 我々は、最先端の自己監督型光フロー精度を向上させる新しいネットワークアーキテクチャを提案する。 約2桁の複雑さで高速な光流予測を行う。
  論文  参考訳（メタデータ） (2023-04-14T14:03:35Z)
• Design of Convolutional Extreme Learning Machines for Vision-Based Navigation Around Small Bodies [0.0]
  畳み込みニューラルネットワークのようなディープラーニングアーキテクチャは、画像処理タスクにおけるコンピュータビジョンの標準である。 しかし、その正確さは、しばしば、長く計算的に高価なトレーニングのコストがかかる。 畳み込み極端学習マシンと呼ばれる別の手法は、トレーニング時間の劇的な減少と同等に機能する可能性を示している。
  論文  参考訳（メタデータ） (2022-10-28T16:24:21Z)
• AstroVision: Towards Autonomous Feature Detection and Description for Missions to Small Bodies Using Deep Learning [14.35670544436183]
  本稿では,過去および現在進行中の16個の小天体の115,970個の濃密な注釈付き実画像からなる大規模データセットAstroVisionを紹介する。 我々はAstroVisionを活用し、標準化されたベンチマークのセットを開発し、手工芸品とデータ駆動型特徴検出および記述方法の徹底的な評価を行う。 次に、最先端の深い特徴検出・記述ネットワークのエンドツーエンドトレーニングにAstroVisionを使用し、複数のベンチマークの性能向上を実証する。
  論文  参考訳（メタデータ） (2022-08-03T13:18:44Z)
• Dynamic Spatial Sparsification for Efficient Vision Transformers and Convolutional Neural Networks [88.77951448313486]
  視覚データにおける空間空間空間性を利用したモデルアクセラレーションのための新しい手法を提案する。 本稿では,冗長トークンを具現化する動的トークンスペーシフィケーションフレームワークを提案する。 提案手法は,CNNや階層型視覚変換器などの階層モデルに拡張する。
  論文  参考訳（メタデータ） (2022-07-04T17:00:51Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• Spatio-Temporal Recurrent Networks for Event-Based Optical Flow Estimation [47.984368369734995]
  本稿では,イベントベース光フロー推定のためのニューラルネットアーキテクチャを提案する。 このネットワークは、Multi-Vehicle Stereo Event Cameraデータセット上で、セルフ教師付き学習でエンドツーエンドにトレーニングされている。 既存の最先端の手法を大きなマージンで上回る結果が得られた。
  論文  参考訳（メタデータ） (2021-09-10T13:37:37Z)
• Optical Flow Estimation from a Single Motion-blurred Image [66.2061278123057]
  画像内の動きのぼかしは、基本的なコンピュータビジョンの問題に実用的な関心を持つ可能性があります。 本研究では,単一動画像からの光流れをエンドツーエンドで推定する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-03-04T12:45:18Z)
• On Deep Learning Techniques to Boost Monocular Depth Estimation for Autonomous Navigation [1.9007546108571112]
  画像の深さを推定することはコンピュータビジョンの分野における根本的な逆問題である。 本稿では,新しい特徴抽出モデルと組み合わせ,軽量で高速なCNNアーキテクチャを提案する。 また,SIDE問題を解くために,単純な幾何2.5D損失関数と組み合わせて効率的な表面正規化モジュールを導入する。
  論文  参考訳（メタデータ） (2020-10-13T18:37:38Z)

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。