論文の概要: YOLO series target detection algorithms for underwater environments
- arxiv url: http://arxiv.org/abs/2309.03539v1
- Date: Thu, 7 Sep 2023 07:52:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-08 13:57:47.312799
- Title: YOLO series target detection algorithms for underwater environments
- Title(参考訳): 水中環境のためのYOLOシリーズターゲット検出アルゴリズム
- Authors: Chenjie Zhang and Pengcheng Jiao
- Abstract要約: You Only Look Once (YOLO)アルゴリズムは、計算速度と精度のバランスで知られている2016年に登場した代表的なターゲット検出アルゴリズムである。
本稿では,水中YOLOアルゴリズムの適用方法の改善を提案し,その問題点を指摘する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: You Only Look Once (YOLO) algorithm is a representative target detection
algorithm emerging in 2016, which is known for its balance of computing speed
and accuracy, and now plays an important role in various fields of human
production and life. However, there are still many limitations in the
application of YOLO algorithm in underwater environments due to problems such
as dim light and turbid water. With limited land area resources, the ocean must
have great potential for future human development. In this paper, starting from
the actual needs of marine engineering applications, taking underwater
structural health monitoring (SHM) and underwater biological detection as
examples, we propose improved methods for the application of underwater YOLO
algorithms, and point out the problems that still exist.
- Abstract(参考訳): You Only Look Once (YOLO)アルゴリズムは2016年に登場した代表的なターゲット検出アルゴリズムであり、その計算速度と精度のバランスで知られており、現在では人間の生産と生活の様々な分野で重要な役割を果たしている。
しかし,水中でのヨーロアルゴリズムの適用には,薄暗い光や濁った水などの問題があるため,まだ多くの制限がある。
陸地資源が限られているため、海洋は将来の人類開発にとって大きな可能性を秘めなければならない。
本稿では, 海洋工学の実際のニーズから, 水中構造型健康モニタリング(SHM)と水中生物検出を例に, 水中YOLOアルゴリズムの適用方法の改善を提案し, 現存する問題点を指摘する。
関連論文リスト
- 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) - Review On Deep Learning Technique For Underwater Object Detection [0.0]
水中構造物の修理と維持、海洋科学は水中物体の検出に大きく依存している。
本稿では,水中物体検出に利用されたデータセットの概要について述べる。
論文 参考訳(メタデータ) (2022-09-21T07:10:44Z) - Virtual Underwater Datasets for Autonomous Inspections [0.0]
本研究では,実験室で収集したアイテムの写真から,ベスポークデータセットを構築した。
GAN(Generative Adversarial Networks)は、実験対象のデータセットを水中ドメインに変換するために使用される。
その結果得られた画像は、実際の水中の船体画像と比較すると、実際の水中環境とよく似ている。
論文 参考訳(メタデータ) (2022-09-13T14:06:36Z) - UTD-Yolov5: A Real-time Underwater Targets Detection Method based on
Attention Improved YOLOv5 [0.7843067454030996]
サンゴ礁は海洋生物の持続可能な発展に 不可欠です
手作業による社会の保護は限定的で非効率である。
水中操作のためのロボットの利用がトレンドになっている。
本研究では,意識改善型YOLOv5に基づく水中目標検出アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-07-02T14:09:08Z) - 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) - Applications of physics-informed scientific machine learning in
subsurface science: A survey [64.0476282000118]
地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。
したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。
近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
論文 参考訳(メタデータ) (2021-04-10T13:40:22Z) - Geometric Entropic Exploration [52.67987687712534]
離散領域と連続領域の両方における状態ビジットの幾何認識シャノンエントロピーを最大化する新しいアルゴリズムを導入する。
私たちの重要な理論的貢献は、単純で新しいノイズコントラストの客観的関数を最適化する牽引可能な問題としてジオメトリ認識MSVE探索を鋳造することです。
実験では,他の深部RL探査手法と比較して,疎度な報酬を伴う複数のRL問題の解法におけるGEMの効率性を示した。
論文 参考訳(メタデータ) (2021-01-06T14:15:07Z) - Batch Exploration with Examples for Scalable Robotic Reinforcement
Learning [63.552788688544254]
BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。
BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
論文 参考訳(メタデータ) (2020-10-22T17:49:25Z) - Reinforcement Learning with Fast Stabilization in Linear Dynamical
Systems [91.43582419264763]
未知の安定化線形力学系におけるモデルベース強化学習(RL)について検討する。
本研究では,環境を効果的に探索することで,基盤システムの高速安定化を証明できるアルゴリズムを提案する。
提案アルゴリズムはエージェント環境相互作用の時間ステップで$tildemathcalO(sqrtT)$ regretを達成した。
論文 参考訳(メタデータ) (2020-07-23T23:06:40Z) - WQT and DG-YOLO: towards domain generalization in underwater object
detection [7.304840097609765]
本論文は,水質に制限のある小型水中データセットを用いたGUODの構築を目的とする。
まず,データ拡張手法であるWater Quality Transfer (WQT)を提案する。
次に、WQTが生成したデータから意味情報をマイニングするために、YOLOv3, DIM, IRMの3つの部分からなるDG-YOLOを提案する。
論文 参考訳(メタデータ) (2020-04-14T07:36:15Z) - The Chef's Hat Simulation Environment for Reinforcement-Learning-Based
Agents [54.63186041942257]
本稿では,人間-ロボットインタラクションのシナリオで使用されるように設計されたChef's Hatカードゲームを実装する仮想シミュレーション環境を提案する。
本稿では,強化学習アルゴリズムにおける制御可能かつ再現可能なシナリオを提案する。
論文 参考訳(メタデータ) (2020-03-12T15:52:49Z)
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。