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
- Deep-Sea A*+: An Advanced Path Planning Method Integrating Enhanced A* and Dynamic Window Approach for Autonomous Underwater Vehicles [1.3807821497779342]
深海環境における極度の環境は、水中での作戦に重大な課題をもたらす。
改良されたA*アルゴリズムと動的ウィンドウアプローチ(DWA)を統合した高度な経路計画手法を提案する。
提案手法は,経路の滑らかさ,障害物回避,リアルタイム性能の観点から,従来のA*アルゴリズムを超越した手法である。
論文 参考訳(メタデータ) (2024-10-22T07:29:05Z) - Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。
車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。
ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文 参考訳(メタデータ) (2024-10-08T10:35:32Z) - Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。
近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
論文 参考訳(メタデータ) (2024-10-08T00:25:33Z) - FAFA: Frequency-Aware Flow-Aided Self-Supervision for Underwater Object Pose Estimation [65.01601309903971]
無人水中車両(UUV)の6次元ポーズ推定のための周波数認識フロー支援フレームワークであるFAFAを紹介する。
我々のフレームワークは、3DモデルとRGB画像のみに依存しており、実際のポーズアノテーションや奥行きのような非モダリティデータの必要性を軽減しています。
本研究では,一般的な水中オブジェクトポーズベンチマークにおけるFAFAの有効性を評価し,最先端手法と比較して顕著な性能向上を示した。
論文 参考訳(メタデータ) (2024-09-25T03:54:01Z) - Aquatic Navigation: A Challenging Benchmark for Deep Reinforcement Learning [53.3760591018817]
ゲームエンジンとDeep Reinforcement Learningの統合の最近の進歩を利用して,水上ナビゲーションのための新しいベンチマーク環境を提案する。
具体的には、最も広く受け入れられているアルゴリズムの一つであるPPOに着目し、先進的なトレーニング手法を提案する。
実験により,これらの成分をうまく組み合わせることで,有望な結果が得られることが示された。
論文 参考訳(メタデータ) (2024-05-30T23:20:23Z) - 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) - 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) - 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) - 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) - 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)
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。