論文の概要: Optimized Custom Dataset for Efficient Detection of Underwater Trash

• arxiv url: http://arxiv.org/abs/2305.16460v1
• Date: Thu, 25 May 2023 20:28:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-29 18:15:13.855304
• Title: Optimized Custom Dataset for Efficient Detection of Underwater Trash
• Title（参考訳）: 水中ゴミの効率的な検出のための最適化カスタムデータセット
• Authors: Jaskaran Singh Walia and Karthik Seemakurthy
• Abstract要約: 本報告では, 海底破砕物に対するカスタムデータセットの開発と効率的な検出手法を提案する。 データセットは多様な水中環境を含み、デブリのインスタンスの正確なラベル付けのためのアノテーションが組み込まれている。 このカスタムデータセットの主な目的は、最先端のディープラーニングアーキテクチャを活用することで、リッターインスタンスの多様性を高め、深海環境における検出精度を向上させることである。
• 参考スコア（独自算出の注目度）: 1.52292571922932
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurately quantifying and removing submerged underwater waste plays a crucial role in safeguarding marine life and preserving the environment. While detecting floating and surface debris is relatively straightforward, quantifying submerged waste presents significant challenges due to factors like light refraction, absorption, suspended particles, and color distortion. This paper addresses these challenges by proposing the development of a custom dataset and an efficient detection approach for submerged marine debris. The dataset encompasses diverse underwater environments and incorporates annotations for precise labeling of debris instances. Ultimately, the primary objective of this custom dataset is to enhance the diversity of litter instances and improve their detection accuracy in deep submerged environments by leveraging state-of-the-art deep learning architectures.
• Abstract（参考訳）: 水中廃棄物の正確な定量化と除去は海洋生物の保護と環境保全に重要な役割を果たす。 浮遊および表面の破片の検出は比較的単純であるが、水没した廃棄物の定量化は、光の屈折、吸収、懸濁粒子、色歪みなどの要因によって大きな課題が生じる。 本稿では,これらの課題に対して,カスタムデータセットの開発と,水中の海洋破片の効率的な検出手法を提案する。 データセットは多様な水中環境を含み、デブリのインスタンスの正確なラベル付けのためのアノテーションを含んでいる。 このカスタムデータセットの主な目的は、最先端のディープラーニングアーキテクチャを活用することで、リッターインスタンスの多様性を高め、深海環境における検出精度を向上させることである。

関連論文リスト

• PoTATO: A Dataset for Analyzing Polarimetric Traces of Afloat Trash Objects [7.117487088419503]
  水生環境のプラスチック廃棄物は海洋生物や人間の健康に深刻なリスクをもたらす。 ディープラーニングはこのタスクの強力なツールとして広く利用されているが、その性能は屋外の光条件と水面反射によって著しく制限されている。 12,380個のラベル付きプラスチックボトルとリッチ偏光情報を含むデータセットPoTATOを紹介する。
  論文  参考訳（メタデータ） (2024-09-19T11:21:24Z)
• Deep Learning Innovations for Underwater Waste Detection: An In-Depth Analysis [0.0]
  本稿では, 埋立廃棄物処理とごみ処理の基盤となるため, 最先端のアーキテクチャと既存のデータセットを網羅的に検討する。 第一の目的は、高度な水中センサーと自律型水中車両によって活用される物体の局所化手法のベンチマークを確立することである。
  論文  参考訳（メタデータ） (2024-05-28T15:51:18Z)
• Improving Underwater Visual Tracking With a Large Scale Dataset and Image Enhancement [70.2429155741593]
  本稿では,水中ビジュアルオブジェクト追跡(UVOT)のための新しいデータセットと汎用トラッカ拡張手法を提案する。 水中環境は、一様でない照明条件、視界の低さ、鋭さの欠如、コントラストの低さ、カモフラージュ、懸濁粒子からの反射を示す。 本研究では,追尾品質の向上に特化して設計された水中画像強調アルゴリズムを提案する。 この手法により、最先端(SOTA)ビジュアルトラッカーの最大5.0%のAUCの性能が向上した。
  論文  参考訳（メタデータ） (2023-08-30T07:41:26Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Large-scale Detection of Marine Debris in Coastal Areas with Sentinel-2 [3.6842260407632903]
  海洋汚染を定量化するための努力は、しばしば粗末で高価な海岸調査によって行われる。 沿岸地域の衛星データは容易に入手でき、プラスチックごみを含む海洋ゴミの集積を検出するために利用することができる。 本稿では, 深部セグメンテーションモデル上に構築された海洋破片検出装置について述べる。
  論文  参考訳（メタデータ） (2023-07-05T17:38:48Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
  高空間分解能水深予測のための異なる深層学習モデルの比較を行った。 深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。 その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
  論文  参考訳（メタデータ） (2023-02-20T16:08:54Z)
• GAMMA: Generative Augmentation for Attentive Marine Debris Detection [0.0]
  そこで本稿では,水中デブリデータによる視覚的検出の不適切な問題を解決するために,効率的で生成的な拡張手法を提案する。 我々は、CycleGANをデータ拡張技術として使用し、地球上のプラスチックのオープンで豊富なデータを水中画像に変換する。 また,アテンション機構を用いた水中デブリ検出のための新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-12-07T16:30:51Z)
• A Novel Underwater Image Enhancement and Improved Underwater Biological Detection Pipeline [8.326477369707122]
  本稿では, YOLOv5 バックボーンに畳み込みブロックアテンションモジュール (CBAM) を付加した特徴情報を取得する手法を提案する。 物体特性に対する水中生物特性の干渉が減少し、対象情報に対するバックボーンネットワークの出力が向上する。
  論文  参考訳（メタデータ） (2022-05-20T14:18:17Z)
• ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
  産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。 このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。 最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
  論文  参考訳（メタデータ） (2021-06-04T22:17:09Z)

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。