論文の概要: Drones4Good: Supporting Disaster Relief Through Remote Sensing and AI
- arxiv url: http://arxiv.org/abs/2308.05074v1
- Date: Wed, 9 Aug 2023 17:07:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-10 12:55:26.620297
- Title: Drones4Good: Supporting Disaster Relief Through Remote Sensing and AI
- Title（参考訳）: Drones4Good:リモートセンシングとAIによる災害救助を支援する
- Authors: Nina Merkle, Reza Bahmanyar, Corentin Henry, Seyed Majid Azimi,
Xiangtian Yuan, Simon Schopferer, Veronika Gstaiger, Stefan Auer, Anne
Schneibel, Marc Wieland, Thomas Kraft
- Abstract要約: ドローンによるデータとディープラーニングの手法を組み合わせることで、自動化された大規模状況評価が可能になることを示す。
さらに、自律型ドローンによる援助配送の展開において、車載画像処理技術の統合を実演する。
- 参考スコア（独自算出の注目度）: 3.5577050175945817
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In order to respond effectively in the aftermath of a disaster, emergency
services and relief organizations rely on timely and accurate information about
the affected areas. Remote sensing has the potential to significantly reduce
the time and effort required to collect such information by enabling a rapid
survey of large areas. To achieve this, the main challenge is the automatic
extraction of relevant information from remotely sensed data. In this work, we
show how the combination of drone-based data with deep learning methods enables
automated and large-scale situation assessment. In addition, we demonstrate the
integration of onboard image processing techniques for the deployment of
autonomous drone-based aid delivery. The results show the feasibility of a
rapid and large-scale image analysis in the field, and that onboard image
processing can increase the safety of drone-based aid deliveries.
- Abstract（参考訳）: 災害の余波に効果的に対応するため、救急サービスや救援組織は、被災地に関するタイムリーかつ正確な情報に頼っている。
リモートセンシングは、広域の迅速な調査を可能にすることにより、そのような情報収集に必要な時間と労力を大幅に削減する可能性がある。
これを実現するために、リモートセンシングされたデータから関連する情報を自動抽出することが主な課題である。
本稿では,ドローンデータとディープラーニング手法を組み合わせることで,状況評価の自動化と大規模化を実現する方法を示す。
さらに,無人ドローンによる支援配信の展開に向けて,オンボード画像処理技術の統合を実証する。
以上の結果から,現場における迅速かつ大規模画像解析の実現可能性を示し,機内画像処理により,ドローンによる支援の安全性が向上する可能性が示唆された。
関連論文リスト
- PDSR: Efficient UAV Deployment for Swift and Accurate Post-Disaster Search and Rescue [2.367791790578455]
本稿では,PDSR(Post-Disaster Search and Rescue)のための包括的フレームワークを提案する。
この概念の中心は、多様なセンシング、通信、情報機能を備えたUAVスワムの迅速な展開である。
提案手法は従来の手法よりもはるかに高速に損傷領域の完全なカバレッジを実現することを目的としている。
論文 参考訳（メタデータ） (2024-10-30T12:46:15Z) - Streamlining Forest Wildfire Surveillance: AI-Enhanced UAVs Utilizing the FLAME Aerial Video Dataset for Lightweight and Efficient Monitoring [4.303063757163241]
本研究では,災害対応シナリオにおけるリアルタイムデータ処理の必要性を認識し,航空映像理解のための軽量かつ効率的なアプローチを提案する。
提案手法は、ポリシーネットワークを介してビデオ内の冗長部分を識別し、フレーム圧縮技術を用いて余分な情報を除去する。
ベースラインと比較して,提案手法は計算コストを13倍以上削減し,精度を3$%向上させる。
論文 参考訳（メタデータ） (2024-08-31T17:26:53Z) - Deep Learning Approaches in Pavement Distress Identification: A Review [0.39373541926236766]
本稿では,舗装災害検出・分類のための画像処理技術と深層学習技術の最近の進歩を概観する。
これらのアルゴリズムがパターンを識別し、広範囲なデータセットに基づいて予測する能力は、舗装災害識別の領域に革命をもたらした。
高解像度画像をキャプチャすることで、UAVは深層学習アルゴリズムを用いて処理できる貴重なデータを提供し、様々な舗装の苦痛を効果的に検出し分類する。
論文 参考訳（メタデータ） (2023-08-01T20:30:11Z) - AZTR: Aerial Video Action Recognition with Auto Zoom and Temporal
Reasoning [63.628195002143734]
本稿では,空中映像の行動認識のための新しい手法を提案する。
提案手法は,UAVを用いて撮影したビデオに対して設計されており,エッジやモバイルデバイス上でも動作可能である。
我々は、カスタマイズされたオートズームを使用して、人間のターゲットを自動的に識別し、適切にスケールする学習ベースのアプローチを提案する。
論文 参考訳（メタデータ） (2023-03-02T21:24:19Z) - Tracking Urbanization in Developing Regions with Remote Sensing
Spatial-Temporal Super-Resolution [82.50301442891602]
本稿では,高分解能画像と高分解能画像の時系列を併用したパイプラインを提案する。
提案手法は, 単一画像超解像を用いたベースラインと比較して, 大幅な改善を実現している。
論文 参考訳（メタデータ） (2022-04-04T17:21:20Z) - ADAPT: An Open-Source sUAS Payload for Real-Time Disaster Prediction and
Response with AI [55.41644538483948]
小型無人航空機システム(sUAS)は、多くの人道支援や災害対応作戦において顕著な構成要素となっている。
我々は,SUAS上にリアルタイムAIとコンピュータビジョンをデプロイするための,オープンソースのADAPTマルチミッションペイロードを開発した。
本研究では,河川氷の状態を監視し,破滅的な洪水現象をタイムリーに予測するための,リアルタイム・飛行中の氷分断の例を示す。
論文 参考訳（メタデータ） (2022-01-25T14:51:19Z) - The State of Aerial Surveillance: A Survey [62.198765910573556]
本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。
主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
論文 参考訳（メタデータ） (2022-01-09T20:13:27Z) - Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。
本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。
本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
論文 参考訳（メタデータ） (2021-11-17T21:48:31Z) - EmergencyNet: Efficient Aerial Image Classification for Drone-Based
Emergency Monitoring Using Atrous Convolutional Feature Fusion [8.634988828030245]
本稿では,緊急対応・監視用uavの航空機画像の効率的な分類について述べる。
緊急対応アプリケーションのための専用空中画像データベースを導入し、既存のアプローチの比較分析を行う。
マルチレゾリューション機能を処理するために,アトラス畳み込みに基づく軽量畳み込みニューラルネットワークアーキテクチャが提案されている。
論文 参考訳（メタデータ） (2021-04-28T20:24:10Z) - Deploying machine learning to assist digital humanitarians: making image
annotation in OpenStreetMap more efficient [72.44260113860061]
本稿では,OpenStreetMapにおけるボランティアの作業を支援し,最適化するためのインタラクティブな手法を提案する。
提案手法は,OSMのボランティアが検証・修正するために必要なデータ量を大幅に削減する。
論文 参考訳（メタデータ） (2020-09-17T10:05:30Z) - AutoSOS: Towards Multi-UAV Systems Supporting Maritime Search and Rescue
with Lightweight AI and Edge Computing [27.15999421608932]
本稿では,自律型マルチロボット探索・救助支援プラットフォームの開発を支援するAutoSOSプロジェクトの方向性について述べる。
このプラットフォームは、新しい適応型ディープラーニングアルゴリズムを用いて、環境の初期評価のための偵察ミッションを実行することを目的としている。
ドローンが潜在的な物体を見つけると、そのセンサーデータを船に送る。
論文 参考訳（メタデータ） (2020-05-07T12:22:15Z)
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。