論文の概要: Deep Learning based Systems for Crater Detection: A Review
- arxiv url: http://arxiv.org/abs/2310.07727v1
- Date: Thu, 28 Sep 2023 18:06:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 03:14:01.226680
- Title: Deep Learning based Systems for Crater Detection: A Review
- Title（参考訳）: クレーター検出のための深層学習システム
- Authors: Atal Tewari, K Prateek, Amrita Singh, Nitin Khanna
- Abstract要約: クレーターは惑星表面における最も顕著な特徴の1つであり、年齢推定、ハザード検出、宇宙船の航法などの用途に用いられる。
他のコンピュータビジョンタスクと同様に、ディープラーニングベースのアプローチは近年クレーター検出の研究に大きな影響を与えている。
このレビューには、惑星データ、クレーターデータベース、評価指標を含む、多様なクレーター検出アプローチに関する140以上の研究が含まれている。
- 参考スコア（独自算出の注目度）: 5.141049647900161
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Craters are one of the most prominent features on planetary surfaces, used in
applications such as age estimation, hazard detection, and spacecraft
navigation. Crater detection is a challenging problem due to various aspects,
including complex crater characteristics such as varying sizes and shapes, data
resolution, and planetary data types. Similar to other computer vision tasks,
deep learning-based approaches have significantly impacted research on crater
detection in recent years. This survey aims to assist researchers in this field
by examining the development of deep learning-based crater detection algorithms
(CDAs). The review includes over 140 research works covering diverse crater
detection approaches, including planetary data, craters database, and
evaluation metrics. To be specific, we discuss the challenges in crater
detection due to the complex properties of the craters and survey the DL-based
CDAs by categorizing them into three parts: (a) semantic segmentation-based,
(b) object detection-based, and (c) classification-based. Additionally, we have
conducted training and testing of all the semantic segmentation-based CDAs on a
common dataset to evaluate the effectiveness of each architecture for crater
detection and its potential applications. Finally, we have provided
recommendations for potential future works.
- Abstract（参考訳）: クレーターは惑星表面における最も顕著な特徴の1つであり、年齢推定、ハザード検出、宇宙船の航法などの用途に用いられる。
クレーター検出は、大きさや形状、データの分解能、惑星データ型などの複雑なクレーター特性を含む様々な側面から、難しい問題である。
他のコンピュータビジョンタスクと同様に、ディープラーニングベースのアプローチは近年クレーター検出の研究に大きな影響を与えている。
本調査は,深層学習に基づくクレーター検出アルゴリズム(CDA)の開発を通じて,この分野の研究者を支援することを目的とする。
このレビューには、惑星データ、クレーターデータベース、評価メトリクスを含む様々なクレーター検出アプローチをカバーする140以上の研究が含まれている。
具体的には、クレーターの複雑な特性によるクレーター検出の課題を議論し、dlベースのcdaを3つの部分に分けて調査する。
(a)意味的セグメンテーションに基づく
(b)物体検出ベース、及び
(c)分類に基づく。
さらに,共通のデータセット上で意味セグメンテーションに基づくcdaのトレーニングとテストを行い,クレーター検出と潜在的応用における各アーキテクチャの有効性を評価した。
最後に、将来的な作業の可能性について推奨しています。
関連論文リスト
- 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) - Anomaly detection for the identification of volcanic unrest in satellite imagery [2.642212767247493]
本稿では, 火山の変形を異常として識別する目的で, 衛星データに対する教師なし深層学習の利用について検討する。
我々の検出器はパッチ分布モデリング(PaDiM)に基づいており、検出性能は重み付き距離で向上する。
論文 参考訳（メタデータ） (2024-05-28T18:00:10Z) - Road Surface Defect Detection -- From Image-based to Non-image-based: A
Survey [7.067243891342157]
この問題に関する文献への関心が高まっており、様々な路面欠陥検出手法の開発に繋がった。
主なアプローチは、画素強度と表面テクスチャを分析して欠陥を特定する画像ベースの手法である。
最近提案した非画像ベースの手法を概観し、これらの手法に関連するいくつかの課題とオープンな問題について論じている。
論文 参考訳（メタデータ） (2024-02-06T15:42:38Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳（メタデータ） (2023-11-21T19:49:13Z) - Deep Learning for Time Series Anomaly Detection: A Survey [53.83593870825628]
時系列異常検出は、製造業や医療を含む幅広い研究分野や応用に応用されている。
時系列の大規模かつ複雑なパターンにより、研究者は異常パターンを検出するための特別な深層学習モデルを開発するようになった。
本調査は,ディープラーニングを用いた構造化および総合的時系列異常検出モデルの提供に焦点を当てる。
論文 参考訳（メタデータ） (2022-11-09T22:40:22Z) - Small and large scale critical infrastructures detection based on deep
learning using high resolution orthogonal images [0.0]
本稿では、スマートデータセットと、分解能に依存しないクリティカルインフラストラクチャ検出システムを提案する。
特に、検出モデルの性能から導かれ、我々は2つのスケール、小さくて大規模なデータセットを構築した。
DetDSCI法は、ベースライン検出器に関して最大37,53%のF1改善を達成している。
論文 参考訳（メタデータ） (2021-05-25T11:38:15Z) - Deep Learning for Anomaly Detection: A Review [150.9270911031327]
本稿では,3つの高レベルカテゴリと11の細粒度カテゴリの進歩を網羅した包括的分類法による深部異常検出の研究について調査する。
我々は、それらの重要な直観、客観的機能、基礎となる仮定、利点とデメリットをレビューし、上記の課題にどのように対処するかについて議論する。
論文 参考訳（メタデータ） (2020-07-06T02:21:16Z) - Anomalous Example Detection in Deep Learning: A Survey [98.2295889723002]
本調査は,ディープラーニングアプリケーションにおける異常検出の研究について,構造化された包括的概要を提供する。
既存の技術に対する分類法を,その基礎となる前提と採用アプローチに基づいて提案する。
本稿では,DLシステムに異常検出技術を適用しながら未解決の研究課題を取り上げ,今後の課題について述べる。
論文 参考訳（メタデータ） (2020-03-16T02:47:23Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
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。