論文の概要: VBSF-TLD: Validation-Based Approach for Soft Computing-Inspired Transfer
Learning in Drone Detection
- arxiv url: http://arxiv.org/abs/2306.06797v1
- Date: Sun, 11 Jun 2023 22:30:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 16:38:05.502951
- Title: VBSF-TLD: Validation-Based Approach for Soft Computing-Inspired Transfer
Learning in Drone Detection
- Title(参考訳): VBSF-TLD:ドローン検出におけるソフトコンピューティングによるトランスファー学習のための検証に基づくアプローチ
- Authors: Jaskaran Singh
- Abstract要約: 本稿では,コンピュータビジョンベースモジュールの不可欠な部分を構成する移動型ドローン検出手法を提案する。
事前学習されたモデルの知識を関連ドメインから活用することにより、限られたトレーニングデータであっても、トランスファー学習によりより良い結果が得られる。
特に、このスキームの有効性は、IOUベースの検証結果によって強調される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the increasing utilization of Internet of Things (IoT) enabled drones in
diverse applications like photography, delivery, and surveillance, concerns
regarding privacy and security have become more prominent. Drones have the
ability to capture sensitive information, compromise privacy, and pose security
risks. As a result, the demand for advanced technology to automate drone
detection has become crucial. This paper presents a project on a transfer-based
drone detection scheme, which forms an integral part of a computer vision-based
module and leverages transfer learning to enhance performance. By harnessing
the knowledge of pre-trained models from a related domain, transfer learning
enables improved results even with limited training data. To evaluate the
scheme's performance, we conducted tests on benchmark datasets, including the
Drone-vs-Bird Dataset and the UAVDT dataset. Notably, the scheme's
effectiveness is highlighted by its IOU-based validation results, demonstrating
the potential of deep learning-based technology in automating drone detection
in critical areas such as airports, military bases, and other high-security
zones.
- Abstract(参考訳): iot(internet of things, モノのインターネット)の利用が増加し、ドローンが写真、配達、監視などのさまざまなアプリケーションで利用可能になったことで、プライバシーとセキュリティに関する懸念がより顕著になった。
ドローンは機密情報を捕捉し、プライバシーを侵害し、セキュリティリスクを引き起こすことができる。
その結果、ドローン検出を自動化する高度な技術への需要が重要になった。
本稿では,コンピュータビジョンベースモジュールの不可欠な部分を形成し,トランスファー学習を活用して性能を向上させる,トランスファーベースドローン検出スキームに関するプロジェクトを提案する。
関連するドメインから事前学習したモデルの知識を活用することで、限られたトレーニングデータでも結果が向上する。
提案手法の性能を評価するため,Drone-vs-BirdデータセットやUAVDTデータセットなど,ベンチマークデータセットのテストを行った。
特に、このスキームの有効性は、IOUベースの検証結果によって強調され、空港、軍事基地、その他の高セキュリティゾーンなどの重要な領域におけるドローン検出を自動化するためのディープラーニング技術の可能性を示している。
関連論文リスト
- Drone Detection and Tracking with YOLO and a Rule-based Method [0.0]
公共空間におけるドローンの活動量の増加は、プライバシー保護と安全のために規制措置を必要とする。
検出タスクは通常、注釈付き画像データセットに基づいてトレーニングされたディープラーニングモデルによって自動化され、実行される。
本稿は、以前の研究に基づいて、すでに公開されたオープンソースデータセットを拡張します。
検出モデルは単一の画像入力に基づいており、単純なクロスコリレーションベースのトラッカーを用いて検出損失を低減し、ビデオのトラッキング性能を向上させる。
論文 参考訳(メタデータ) (2025-02-07T19:53:10Z) - DRL-based Dolph-Tschebyscheff Beamforming in Downlink Transmission for Mobile Users [52.9870460238443]
学習可能なDolph-Tschebyscheffアンテナアレイを用いた深部強化学習に基づくブラインドビームフォーミング手法を提案する。
シミュレーションの結果,提案手法は最良値に非常に近いデータレートをサポートできることが示唆された。
論文 参考訳(メタデータ) (2025-02-03T11:50:43Z) - Cooperative Search and Track of Rogue Drones using Multiagent Reinforcement Learning [8.775925011558995]
本研究は、機密性の高いインフラ施設をターゲットにしたローグドローンを迎撃する問題を考察する。
ローグドローンを確実に検出・追跡・中和できる総合システムを提案する。
論文 参考訳(メタデータ) (2025-01-07T16:22:51Z) - Multi-Source Urban Traffic Flow Forecasting with Drone and Loop Detector Data [61.9426776237409]
ドローンが捉えたデータは、大規模都市ネットワークのための正確なマルチセンサー移動観測所を作ることができる。
単純なグラフベースモデルHiMSNetは、複数のデータモダリティと学習時間相関を統合するために提案されている。
論文 参考訳(メタデータ) (2025-01-07T03:23:28Z) - A Cross-Scene Benchmark for Open-World Drone Active Tracking [54.235808061746525]
Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。
DATと呼ばれるオープンワールドドローンアクティブトラッキングのためのクロスシーンクロスドメインベンチマークを提案する。
また、R-VATと呼ばれる強化学習に基づくドローン追跡手法を提案する。
論文 参考訳(メタデータ) (2024-12-01T09:37:46Z) - FedBA: Non-IID Federated Learning Framework in UAV Networks [10.503796485713305]
本稿では,グローバルモデル最適化のための新しいアルゴリズムであるFedBAを提案する。
実験の結果、このアルゴリズムは他のアルゴリズムよりも優れており、UAVの局所モデルの精度が向上していることがわかった。
論文 参考訳(メタデータ) (2022-10-10T13:55:55Z) - Fail-Safe Human Detection for Drones Using a Multi-Modal Curriculum
Learning Approach [1.094245191265935]
KUL-UAVSAFEは、ドローンによる安全クリティカルな人検出の研究のための第一種データセットである。
本稿では,クロスフュージョンハイウェイを用いたCNNアーキテクチャを提案し,マルチモーダルデータのためのカリキュラム学習戦略を提案する。
論文 参考訳(メタデータ) (2021-09-28T12:34:13Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳(メタデータ) (2021-09-08T14:07:55Z) - 3D UAV Trajectory and Data Collection Optimisation via Deep
Reinforcement Learning [75.78929539923749]
無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。
UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である
本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
論文 参考訳(メタデータ) (2021-06-06T14:08:41Z) - Artificial Intelligence for UAV-enabled Wireless Networks: A Survey [72.10851256475742]
無人航空機(UAV)は次世代無線通信ネットワークにおいて有望な技術であると考えられている。
人工知能(AI)は近年急速に成長し、成功している。
UAVベースのネットワークにおけるAIの潜在的な応用について概観する。
論文 参考訳(メタデータ) (2020-09-24T07:11:31Z) - UAV Path Planning for Wireless Data Harvesting: A Deep Reinforcement
Learning Approach [18.266087952180733]
本稿では,IoT(Internet of Things)デバイスからのUAV対応データ収集に対するエンドツーエンド強化学習手法を提案する。
自律ドローンは、限られた飛行時間と障害物回避を受ける分散センサーノードからデータを収集する。
提案するネットワークアーキテクチャにより,エージェントが様々なシナリオパラメータの移動決定を行うことができることを示す。
論文 参考訳(メタデータ) (2020-07-01T15:14:16Z)
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。