論文の概要: Synthetic Aperture Anomaly Imaging

• arxiv url: http://arxiv.org/abs/2304.13590v1
• Date: Wed, 26 Apr 2023 14:34:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-27 14:02:27.209647
• Title: Synthetic Aperture Anomaly Imaging
• Title（参考訳）: 合成開口異常イメージング
• Authors: Rakesh John Amala Arokia Nathan and Oliver Bimber
• Abstract要約: 検出された異常は積分の異常を検出するよりも効果的であることを示す。 我々は、ブルーライトの組織や商用ドローンプラットフォームを使って、我々の発見を現実的に利用できるようにするリアルタイムアプリケーションを提案する。
• 参考スコア（独自算出の注目度）: 2.9443230571766854
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Previous research has shown that in the presence of foliage occlusion, anomaly detection performs significantly better in integral images resulting from synthetic aperture imaging compared to applying it to conventional aerial images. In this article, we hypothesize and demonstrate that integrating detected anomalies is even more effective than detecting anomalies in integrals. This results in enhanced occlusion removal, outlier suppression, and higher chances of visually as well as computationally detecting targets that are otherwise occluded. Our hypothesis was validated through both: simulations and field experiments. We also present a real-time application that makes our findings practically available for blue-light organizations and others using commercial drone platforms. It is designed to address use-cases that suffer from strong occlusion caused by vegetation, such as search and rescue, wildlife observation, early wildfire detection, and sur-veillance.
• Abstract（参考訳）: 前回の研究では、葉の閉塞の存在下では、従来の空中画像と比較して合成開口イメージングによる積分画像において異常検出が有意に優れていることが示されている。 本稿では,検出された異常が積分の異常を検出するよりも効果的であることを示す。 これにより、閉塞除去の強化、降圧抑制、視覚的に高い確率の他、非閉塞なターゲットを計算的に検出することができる。 我々の仮説はシミュレーションとフィールド実験の両方を通して検証された。 また、ブルーライトの組織や商用ドローンプラットフォームを使って、私たちの発見を実際に利用できるリアルタイムアプリケーションも提示します。 捜索や救助、野生生物の観察、早期の野火の検出、監視など、植生によって引き起こされる強い閉塞に苦しむユースケースに対処するように設計されている。

関連論文リスト

• Spatial-aware Attention Generative Adversarial Network for Semi-supervised Anomaly Detection in Medical Image [63.59114880750643]
  本稿では,一級半教師付き健康画像生成のための空間意識生成ネットワーク(SAGAN)について紹介する。 SAGANは、正常な画像の復元と擬似異常画像の復元によって導かれる、ラベルのないデータに対応する高品質な健康画像を生成する。 3つの医学データセットに対する大規模な実験は、提案されたSAGANが最先端の手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-05-21T15:41:34Z)
• Diffusion Facial Forgery Detection [56.69763252655695]
  本稿では,顔に焦点をあてた拡散生成画像を対象とした包括的データセットであるDiFFを紹介する。 人体実験といくつかの代表的な偽造検出手法を用いて,DiFFデータセットの広範な実験を行った。 その結果、人間の観察者と自動検出者の2値検出精度は30%以下であることが判明した。
  論文  参考訳（メタデータ） (2024-01-29T03:20:19Z)
• RANRAC: Robust Neural Scene Representations via Random Ray Consensus [12.161889666145127]
  RANRAC(RANdom RAy Consensus)は、一貫性のないデータの影響を排除するための効率的な手法である。 我々はRANSACパラダイムのファジィ適応を定式化し、大規模モデルへの適用を可能にした。 その結果, 新規な視点合成のための最先端のロバストな手法と比較して, 顕著な改善が見られた。
  論文  参考訳（メタデータ） (2023-12-15T13:33:09Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Evaluation of Color Anomaly Detection in Multispectral Images For Synthetic Aperture Sensing [4.640835690336653]
  波長非依存型合成開口センシング技術を用いて得られたマルチスペクトル画像における教師なし異常検出手法の評価を行った。 視覚範囲で通常動作する色異常検出法は、常に遠赤外線(熱)チャネルの恩恵を受ける。
  論文  参考訳（メタデータ） (2022-11-08T15:01:14Z)
• An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
  移動ロボットの視覚異常検出システム構築の問題点を考察する。 標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。 本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-20T15:18:13Z)
• On the Role of Field of View for Occlusion Removal with Airborne Optical Sectioning [3.5232085374661284]
  植生による排除は、遠隔地におけるリモートセンシングアプリケーションにとって重要な問題である。 Airborne Optical Sectioning (AOS) は、光学的、波長に依存しない合成開口イメージング技術である。 森林密度と適用画像システムの視野(FOV)の関係を実証する。
  論文  参考訳（メタデータ） (2022-04-28T09:26:10Z)
• Catching Both Gray and Black Swans: Open-set Supervised Anomaly Detection [90.32910087103744]
  ラベル付き異常な例は、多くの現実世界のアプリケーションでよく見られる。 これらの異常例は、アプリケーション固有の異常について貴重な知識を提供する。 トレーニング中に見られる異常は、可能なあらゆる種類の異常を説明できないことが多い。 本稿では,オープンセット型教師付き異常検出に取り組む。
  論文  参考訳（メタデータ） (2022-03-28T05:21:37Z)
• Beyond the Spectrum: Detecting Deepfakes via Re-Synthesis [69.09526348527203]
  ディープフェイク(Deepfakes)として知られる非常に現実的なメディアは、現実の目から人間の目まで区別できない。 本研究では,テスト画像を再合成し,検出のための視覚的手がかりを抽出する,新しい偽検出手法を提案する。 種々の検出シナリオにおいて,提案手法の摂動に対する有効性の向上,GANの一般化,堅牢性を示す。
  論文  参考訳（メタデータ） (2021-05-29T21:22:24Z)
• Search and Rescue with Airborne Optical Sectioning [7.133136338850781]
  分類の前に多視点画像を組み合わせることで、自動人物検出を著しく改善できることを示す。 発見は、自律航空機や有人航空機と組み合わせて適用できる効果的な将来の捜索救助技術の基礎を築いた。
  論文  参考訳（メタデータ） (2020-09-18T13:40:19Z)
• OIAD: One-for-all Image Anomaly Detection with Disentanglement Learning [23.48763375455514]
  クリーンサンプルのみを用いたアンタングル学習に基づく一対一画像異常検出システムを提案する。 3つのデータセットを用いて実験したところ、OIADは90%以上の異常を検出できる一方で、誤報率も低く抑えられることがわかった。
  論文  参考訳（メタデータ） (2020-01-18T09:57:37Z)

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。