論文の概要: Investigation of UAV Detection in Images with Complex Backgrounds and Rainy Artifacts

• arxiv url: http://arxiv.org/abs/2305.16450v2
• Date: Tue, 5 Dec 2023 18:35:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-06 20:07:17.251071
• Title: Investigation of UAV Detection in Images with Complex Backgrounds and Rainy Artifacts
• Title（参考訳）: 複雑な背景と降雨アーティファクトを有する画像におけるUAV検出の検討
• Authors: Adnan Munir, Abdul Jabbar Siddiqui, Saeed Anwar
• Abstract要約: UAV検出のための視覚に基づく物体検出法が開発されている。 複雑な背景と雨のような気象要素を持つ画像におけるUAV検出は、まだ合理的に研究されていない。 この研究は、最先端のオブジェクト検出モデルのベンチマークにも重点を置いている。
• 参考スコア（独自算出の注目度）: 20.20609511526255
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To detect unmanned aerial vehicles (UAVs) in real-time, computer vision and deep learning approaches are evolving research areas. Interest in this problem has grown due to concerns regarding the possible hazards and misuse of employing UAVs in many applications. These include potential privacy violations. To address the concerns, vision-based object detection methods have been developed for UAV detection. However, UAV detection in images with complex backgrounds and weather artifacts like rain has yet to be reasonably studied. Hence, for this purpose, we prepared two training datasets. The first dataset has the sky as its background and is called the Sky Background Dataset (SBD). The second training dataset has more complex scenes (with diverse backgrounds) and is named the Complex Background Dataset (CBD). Additionally, two test sets were prepared: one containing clear images and the other with images with three rain artifacts, named the Rainy Test Set (RTS). This work also focuses on benchmarking state-of-the-art object detection models, and to the best of our knowledge, it is the first to investigate the performance of recent and popular vision-based object detection methods for UAV detection under challenging conditions such as complex backgrounds, varying UAV sizes, and low-to-heavy rainy conditions. The findings presented in the paper shall help provide insights concerning the performance of the selected models for UAV detection under challenging conditions and pave the way to develop more robust UAV detection methods. The codes and datasets are available at: https://github.com/AdnanMunir294/UAVD-CBRA.
• Abstract（参考訳）: 無人航空機(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は研究領域を進化させつつある。 この問題への関心は、多くのアプリケーションでUAVを悪用する危険性や危険性に関する懸念から高まっている。 プライバシー侵害の可能性がある。 これらの問題に対処するため、UAV検出のための視覚に基づく物体検出法が開発されている。 しかし、複雑な背景を持つ画像や雨などの気象アーティファクトでのuav検出は、まだ合理的に研究されていない。 そのため,2つのトレーニングデータセットを用意した。 最初のデータセットは背景として空を持ち、Sky background Dataset (SBD)と呼ばれる。 第2のトレーニングデータセットは(さまざまなバックグラウンドを持つ)より複雑なシーンを持ち、complex background dataset(cbd)と名付けられた。 さらに2つのテストセットが準備され、1つは透明な画像を含むもので、もう1つはレインテストセット(RTS)と呼ばれる雨の人工物を持つ画像である。 本研究は最先端の物体検出モデルのベンチマークにも焦点を当てており、我々の知る限りでは、複雑な背景、異なるuavサイズ、低豪雨条件などの困難な条件下で、最近普及した視覚に基づく物体検出手法の性能を初めて調査した。 本論文は, 課題条件下でのUAV検出のための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。 コードとデータセットは、https://github.com/AdnanMunir294/UAVD-CBRAで公開されている。

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。