論文の概要: Vision-based UAV Detection in Complex Backgrounds and Rainy Conditions
- arxiv url: http://arxiv.org/abs/2305.16450v1
- Date: Thu, 25 May 2023 19:54:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-29 18:14:59.758531
- Title: Vision-based UAV Detection in Complex Backgrounds and Rainy Conditions
- Title（参考訳）: 複雑な背景と降雨条件における視覚に基づくUAV検出
- Authors: Adnan Munir, Abdul Jabbar Siddiqui
- Abstract要約: 無人航空機(UAV)を多くの用途で採用する際の危険性や誤用が懸念されている。
これには、潜在的なプライバシー侵害、安全に関する問題、およびセキュリティ脅威が含まれる。
難易度条件下でのUAV検出の課題に対して,視覚に基づく物体検出技術の性能について検討した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To detect UAVs in real-time, computer vision and deep learning approaches are
developing areas of research. There have been concerns raised regarding the
possible hazards and misuse of employing unmanned aerial vehicles (UAVs) in
many applications. These include potential privacy violations, safety-related
issues, and security threats. Vision-based detection systems often comprise a
combination of hardware components such as cameras and software components. In
this work, the performance of recent and popular vision-based object detection
techniques is investigated for the task of UAV detection under challenging
conditions such as complex backgrounds, varying UAV sizes, complex background
scenarios, and low-to-heavy rainy conditions. To study the performance of
selected methods under these conditions, two datasets were curated: one with a
sky background and one with complex background. In this paper, one-stage
detectors and two-stage detectors are studied and evaluated. The findings
presented in the paper shall help provide insights concerning the performance
of the selected models for the task of UAV detection under challenging
conditions and pave the way to develop more robust UAV detection methods
- Abstract（参考訳）: UAVをリアルタイムで検出するために、コンピュータビジョンとディープラーニングアプローチが研究の分野を発展させている。
無人航空機(UAV)を多くの用途で採用する際の危険性や誤用が懸念されている。
これには潜在的なプライバシー侵害、安全関連の問題、セキュリティの脅威が含まれる。
視覚に基づく検知システムは、しばしばカメラやソフトウェアコンポーネントのようなハードウェアコンポーネントの組み合わせを構成する。
本研究では, 複雑な背景, 異なるUAVサイズ, 複雑な背景シナリオ, 豪雨条件など, 複雑な背景条件下でのUAV検出の課題に対して, 最新の視覚に基づく物体検出技術の性能について検討した。
これらの条件下で選択された手法の性能を調べるために、2つのデータセットがキュレートされた。
本稿では,1段検出器と2段検出器について検討し,評価を行った。
本論文は, 課題条件下でのUAV検出作業における選択されたモデルの性能に関する知見を提供するとともに, より堅牢なUAV検出手法の開発に資する。
関連論文リスト
- UEVAVD: A Dataset for Developing UAV's Eye View Active Object Detection [13.208447570946173]
排除は、UAVベースの物体検出に挑戦する長年の困難である。
Active Object Detection (AOD)は、この目的を達成する効果的な方法を提供する。
我々は、UAV AOD問題の研究を促進するために、UAVの目視アクティブビジョンデータセットUEVAVDをリリースする。
論文 参考訳（メタデータ） (2024-11-07T01:10:05Z) - Effective and Efficient Adversarial Detection for Vision-Language Models via A Single Vector [97.92369017531038]
Diverse hArmful Responses (RADAR) を用いた新しい laRge-scale Adervsarial 画像データセットを構築した。
そこで我々は,視覚言語モデル (VLM) の隠れ状態から抽出した1つのベクトルを利用して,入力中の良質な画像に対して対向画像を検出する,新しいiN時間埋め込み型AdveRSarial Image Detectction (NEARSIDE) 法を開発した。
論文 参考訳（メタデータ） (2024-10-30T10:33:10Z) - UAVDB: Trajectory-Guided Adaptable Bounding Boxes for UAV Detection [0.03464344220266879]
パッチ強度収束(Patch Intensity Convergence、PIC)技術は、手動ラベリングなしでUAV検出のための高忠実なバウンディングボックスを生成する。
この技術は、UAV検出に特化した専用データベースであるUAVDBの基礎となる。
我々は,最先端(SOTA)YOLO系列検出器を用いてUAVDBをベンチマークし,総合的な性能解析を行った。
論文 参考訳（メタデータ） (2024-09-09T13:27:53Z) - Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve
Aerial Visual Perception? [57.77643186237265]
我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。
MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。
これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
論文 参考訳（メタデータ） (2023-12-07T18:59:14Z) - 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) - UAVStereo: A Multiple Resolution Dataset for Stereo Matching in UAV
Scenarios [0.6524460254566905]
本稿では,UAVStereoと呼ばれる多解像度UAVシナリオデータセットを構築し,34k以上のステレオ画像ペアが3つの典型的なシーンをカバーしている。
本稿では,UAVシナリオにおける課題に対処する際の限界を明らかにするとともに,従来型および最先端のディープラーニング手法の評価を行う。
論文 参考訳（メタデータ） (2023-02-20T16:45:27Z) - A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文 参考訳（メタデータ） (2022-06-13T19:14:06Z) - HIT-UAV: A high-altitude infrared thermal dataset for Unmanned Aerial
Vehicle-based object detection [12.412261347328792]
無人航空機(UAV)における物体検出用高高度赤外線サーマルデータセットHIT-UAVについて述べる。
データセットは、UAVが撮影した数百のビデオで43,470フレームから抽出された2,898個の赤外線熱画像で構成されている。
我々は、HIT-UAV上で、よく確立された物体検出アルゴリズムを訓練し、評価した。
論文 参考訳（メタデータ） (2022-04-07T06:23:02Z) - Deep Learning for UAV-based Object Detection and Tracking: A Survey [25.34399619170044]
無人航空機(UAV)は最近、コンピュータビジョン(CV)とリモートセンシング(RS)の分野でホットスポットになっている。
近年のディープラーニング(DL)の成功に触発されて、様々なUAV関連タスクに多くの高度な物体検出と追跡アプローチが適用されている。
本稿では, DLを用いたUAV物体検出・追跡手法の研究の進展と今後の展望について概説する。
論文 参考訳（メタデータ） (2021-10-25T04:43:24Z) - 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。