論文の概要: A Comprehensive Review on Tree Detection Methods Using Point Cloud and
Aerial Imagery from Unmanned Aerial Vehicles
- arxiv url: http://arxiv.org/abs/2309.16375v1
- Date: Thu, 28 Sep 2023 12:22:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-29 14:48:50.415881
- Title: A Comprehensive Review on Tree Detection Methods Using Point Cloud and
Aerial Imagery from Unmanned Aerial Vehicles
- Title（参考訳）: 無人航空機の点雲と空中画像を用いた樹木検出法に関する総合的考察
- Authors: Weijie Kuang, Hann Woei Ho, Ye Zhou, Shahrel Azmin Suandi, and Farzad
Ismail
- Abstract要約: 本稿では,UAVが収集したUAVデータに対する木検出手法について述べる。
本稿では,画像を直接検出する手法について,Deep Learning (DL) 法を用いるか否かを検証した。
このレビューは、特定の森林で樹木を検知し、農夫が農業生産の管理にUAVを使うのに役立つだろう。
- 参考スコア（独自算出の注目度）: 4.362788465317224
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Unmanned Aerial Vehicles (UAVs) are considered cutting-edge technology with
highly cost-effective and flexible usage scenarios. Although many papers have
reviewed the application of UAVs in agriculture, the review of the application
for tree detection is still insufficient. This paper focuses on tree detection
methods applied to UAV data collected by UAVs. There are two kinds of data, the
point cloud and the images, which are acquired by the Light Detection and
Ranging (LiDAR) sensor and camera, respectively. Among the detection methods
using point-cloud data, this paper mainly classifies these methods according to
LiDAR and Digital Aerial Photography (DAP). For the detection methods using
images directly, this paper reviews these methods by whether or not to use the
Deep Learning (DL) method. Our review concludes and analyses the comparison and
combination between the application of LiDAR-based and DAP-based point cloud
data. The performance, relative merits, and application fields of the methods
are also introduced. Meanwhile, this review counts the number of tree detection
studies using different methods in recent years. From our statics, the
detection task using DL methods on the image has become a mainstream trend as
the number of DL-based detection researches increases to 45% of the total
number of tree detection studies up to 2022. As a result, this review could
help and guide researchers who want to carry out tree detection on specific
forests and for farmers to use UAVs in managing agriculture production.
- Abstract（参考訳）: 無人航空機(UAV)はコスト効率が高く柔軟な使用シナリオを持つ最先端技術と考えられている。
多くの論文が農業におけるuavの適用をレビューしているが、木検出への応用のレビューはまだ不十分である。
本稿では,UAVが収集したUAVデータに対する木検出手法について述べる。
ポイントクラウド(point cloud)とイメージ(images)の2種類のデータがあり、それぞれ光検出と測位(lidar)センサーとカメラによって取得される。
ポイントクラウドデータを用いた検出手法のうち,本論文は主にLiDARとDigital Aerial Photography(DAP)に基づいてこれらの手法を分類する。
本稿では,画像を直接検出する手法について,Deep Learning (DL) 法を用いるか否かを検証した。
本稿では,LiDAR と DAP に基づく点クラウドデータの比較と組み合わせについて概説する。
また,本手法の性能,相対的なメリット,応用分野についても紹介する。
一方,本研究では,近年の異なる手法による木検出研究の回数について考察する。
以上の結果から,画像上のDL法を用いた検出課題が主流となってきており,2022年までの樹木検出研究の総数の45%にDL法による検出課題が増加している。
このレビューは、特定の森林で樹木検出を行いたい研究者や、農夫がUAVを使って農業生産を管理したい研究者の指導に役立つだろう。
関連論文リスト
- A noisy elephant in the room: Is your out-of-distribution detector robust to label noise? [49.88894124047644]
我々は、最先端のOOD検出方法20について詳しく検討する。
不正に分類されたIDサンプルとOODサンプルの分離が不十分であることを示す。
論文 参考訳（メタデータ） (2024-04-02T09:40:22Z) - Beyond AUROC & co. for evaluating out-of-distribution detection
performance [50.88341818412508]
安全(r)AIとの関連性を考えると,OOD検出法の比較の基礎が実用的ニーズと整合しているかどうかを検討することが重要である。
我々は,IDとOODの分離が不十分なことを明示する新しい指標であるAUTC(Area Under the Threshold Curve)を提案する。
論文 参考訳（メタデータ） (2023-06-26T12:51:32Z) - A review of UAV Visual Detection and Tracking Methods [0.0]
UAVの位置、速度、画像の収集に依存する様々な技術がある。
この論文は、ドローン検出プロセスで使用される幅広い手法のクイックリファレンスである。
論文 参考訳（メタデータ） (2023-06-08T10:48:11Z) - Investigation of UAV Detection in Images with Complex Backgrounds and
Rainy Artifacts [20.20609511526255]
UAV検出のための視覚に基づく物体検出法が開発されている。
複雑な背景と雨のような気象要素を持つ画像におけるUAV検出は、まだ合理的に研究されていない。
この研究は、最先端のオブジェクト検出モデルのベンチマークにも重点を置いている。
論文 参考訳（メタデータ） (2023-05-25T19:54:33Z) - High-Resolution UAV Image Generation for Sorghum Panicle Detection [23.88932181375298]
本稿では,データ拡張のためのGAN(Generative Adversarial Network)からの合成トレーニング画像を用いて,ソルガムパニックの検出とカウントの性能を向上させる手法を提案する。
提案手法は,実際のUAV RGB画像の地上真実データセットを限定した画像から画像への変換GANを用いて,パニックラベルを用いた合成高解像度UAV RGB画像を生成することができる。
論文 参考訳（メタデータ） (2022-05-08T20:26:56Z) - Development of Automatic Tree Counting Software from UAV Based Aerial
Images With Machine Learning [0.0]
本研究の目的は,UAVによる高解像度画像から,シルト大学キャンパスの指定領域の樹木を自動カウントすることである。
Adobe Photoshopのフォトマージツールを使って、高さ30mで20%オーバーラップした画像を地上局でオフラインで縫い付けました。
論文 参考訳（メタデータ） (2022-01-07T22:32:08Z) - 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) - Deep Learning for UAV-based Object Detection and Tracking: A Survey [25.34399619170044]
無人航空機(UAV)は最近、コンピュータビジョン(CV)とリモートセンシング(RS)の分野でホットスポットになっている。
近年のディープラーニング(DL)の成功に触発されて、様々なUAV関連タスクに多くの高度な物体検出と追跡アプローチが適用されている。
本稿では, DLを用いたUAV物体検出・追跡手法の研究の進展と今後の展望について概説する。
論文 参考訳（メタデータ） (2021-10-25T04:43:24Z) - 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) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳（メタデータ） (2021-06-14T21:57:40Z) - Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。
UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文 参考訳（メタデータ） (2020-09-16T11:37:43Z)
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。