論文の概要: Detecting Intentional AIS Shutdown in Open Sea Maritime Surveillance
Using Self-Supervised Deep Learning
- arxiv url: http://arxiv.org/abs/2310.15586v1
- Date: Tue, 24 Oct 2023 07:51:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-25 20:01:00.994940
- Title: Detecting Intentional AIS Shutdown in Open Sea Maritime Surveillance
Using Self-Supervised Deep Learning
- Title(参考訳): 自己監督型深層学習を用いた開海サーベイランスにおける意図的AISシャットダウンの検出
- Authors: Pierre Bernab\'e, Arnaud Gotlieb, Bruno Legeard, Dusica Marijan, Frank
Olaf Sem-Jacobsen, Helge Spieker
- Abstract要約: 開海では、オンボードトランスポンダによって送信される自動識別システム(AIS)のメッセージに頼らなければならない。
インシンセア船はしばしば違法行為を隠すためにAISトランスポンダを故意にシャットダウンする。
本稿では,自己教師型深層学習手法とトランスフォーマーモデルに基づく異常AIS欠落検出手法を提案する。
- 参考スコア(独自算出の注目度): 11.44110708925839
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In maritime traffic surveillance, detecting illegal activities, such as
illegal fishing or transshipment of illicit products is a crucial task of the
coastal administration. In the open sea, one has to rely on Automatic
Identification System (AIS) message transmitted by on-board transponders, which
are captured by surveillance satellites. However, insincere vessels often
intentionally shut down their AIS transponders to hide illegal activities. In
the open sea, it is very challenging to differentiate intentional AIS shutdowns
from missing reception due to protocol limitations, bad weather conditions or
restricting satellite positions. This paper presents a novel approach for the
detection of abnormal AIS missing reception based on self-supervised deep
learning techniques and transformer models. Using historical data, the trained
model predicts if a message should be received in the upcoming minute or not.
Afterwards, the model reports on detected anomalies by comparing the prediction
with what actually happens. Our method can process AIS messages in real-time,
in particular, more than 500 Millions AIS messages per month, corresponding to
the trajectories of more than 60 000 ships. The method is evaluated on 1-year
of real-world data coming from four Norwegian surveillance satellites. Using
related research results, we validated our method by rediscovering already
detected intentional AIS shutdowns.
- Abstract(参考訳): 海上交通監視においては、違法漁業や違法商品の輸送などの違法行為の検知は沿岸管理にとって重要な課題である。
開海では、自動識別システム(ais)のメッセージがオンボードのトランスポンダーによって送信され、監視衛星によって捕捉される。
しかし、インシンセア船はしばしば違法行為を隠すためにAISトランスポンダを故意にシャットダウンする。
開海では、プロトコルの制限、悪天候条件、衛星位置の制限により、意図的なAISシャットダウンと受信の欠如を区別することが非常に困難である。
本稿では,自己教師付き深層学習手法とトランスフォーマーモデルに基づく異常ais欠落検出のための新しい手法を提案する。
トレーニングされたモデルは、履歴データを使用して、次の分にメッセージを受け取るかどうかを予測する。
その後、モデルが検出された異常を予測と実際に何が起こるかを比較して報告する。
本手法は,6万以上の船舶の軌道に対応して,毎月5億以上のaisメッセージをリアルタイムに処理することができる。
この手法は、ノルウェーの4つの観測衛星から得られた1年間の実世界のデータに基づいて評価される。
関連研究結果を用いて,すでに検出されているAIS停止を再度発見し,本手法の有効性を検証した。
関連論文リスト
- Semi-supervised Open-World Object Detection [74.95267079505145]
半教師付きオープンワールド検出(SS-OWOD)という,より現実的な定式化を導入する。
提案したSS-OWOD設定では,最先端OWOD検出器の性能が劇的に低下することが実証された。
我々は,MS COCO, PASCAL, Objects365, DOTAの4つのデータセットを用いた実験を行い, 提案手法の有効性を実証した。
論文 参考訳(メタデータ) (2024-02-25T07:12:51Z) - Automatized marine vessel monitoring from sentinel-1 data using
convolution neural network [0.0]
本稿では,ウェーブレット変換に基づく畳み込みニューラルネットワークによるSAR画像からの物体認識手法を提案する。
Sentinel-1 SAR-Cによるインド西部沿岸域の二重分極データ取得を含む。
論文 参考訳(メタデータ) (2023-04-23T18:09:44Z) - Anomalous NO2 emitting ship detection with TROPOMI satellite data and
machine learning [0.08602553195689512]
2021年からは、北海とバルト海で活動する船舶に対して、より要求の高い$textNO_text2$の排出制限が導入された。
本研究では,TROPOMI衛星データに基づく機械学習モデルの組み合わせを用いて,潜在的に適合しない船舶の自動選択手法を提案する。
論文 参考訳(メタデータ) (2023-02-24T16:54:47Z) - 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) - 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) - RadArnomaly: Protecting Radar Systems from Data Manipulation Attacks [40.736632681576786]
本稿では,レーダシステムデータストリーム中の異常を検出するためのディープラーニングに基づく手法を提案する。
提案手法により,データストリーム内のクリティカルフィールドの不正な操作を検出することができる。
実験では,様々なデータストリーム操作攻撃に対して高い検出精度を示す。
論文 参考訳(メタデータ) (2021-06-13T19:16:37Z) - MODS -- A USV-oriented object detection and obstacle segmentation
benchmark [12.356257470551348]
海上物体検出とより一般的な海上障害物セグメンテーションの2つの主要な知覚タスクを考慮する新しい障害物検出ベンチマークMODSを紹介します。
船載IMUと同期する約81kのステレオ画像と60k以上の物体を注釈付けした新たな海洋評価データセットを提案する。
実用的なUSVナビゲーションに有用な方法で検出精度を反映した新しい障害物分割性能評価プロトコルを提案する。
論文 参考訳(メタデータ) (2021-05-05T22:40:27Z) - StrObe: Streaming Object Detection from LiDAR Packets [73.27333924964306]
ローリングシャッターのLiDARはパケットのストリームとして出力され、それぞれ360degのカバレッジのセクターをカバーする。
現代の認識アルゴリズムは、データを処理する前に全スイープが構築されるのを待つ。
本稿では,LiDARパケットを取り込み,全スイープが構築されるのを待たずに検出ストリームを出力することで,レイテンシを最小化する新しいアプローチであるStrObeを提案する。
論文 参考訳(メタデータ) (2020-11-12T14:57:44Z) - Challenges in Vessel Behavior and Anomaly Detection: From Classical
Machine Learning to Deep Learning [10.61567813380562]
本稿では,従来の機械学習と深層学習の課題と機会について論じる。
これらの課題に対処することは、実際のインテリジェントな海上監視システムにとって重要なステップであり、新しい方法やツールの研究を動機づけたいと考えています。
論文 参考訳(メタデータ) (2020-04-07T21:25:12Z) - Physically Realizable Adversarial Examples for LiDAR Object Detection [72.0017682322147]
本稿では,LiDAR検出器を騙すために,汎用な3次元対向物体を生成する手法を提案する。
特に,LiDAR検出器から車両を完全に隠蔽するために,車両の屋根上に対向物体を配置し,その成功率は80%であることを示した。
これは、限られたトレーニングデータから見知らぬ条件下での、より安全な自動運転への一歩だ。
論文 参考訳(メタデータ) (2020-04-01T16:11:04Z) - Progressive Object Transfer Detection [84.48927705173494]
本稿では,新しいプログレッシブオブジェクト転送検出(POTD)フレームワークを提案する。
第一に、POTDは様々なドメインの様々なオブジェクトを効果的にプログレッシブな検出手順に活用することができる。
第2に、POTDは2つの微妙な転送段階、すなわち、LSTD(low-Shot Transfer Detection)とWSTD(Weakly Supervised Transfer Detection)から構成される。
論文 参考訳(メタデータ) (2020-02-12T00:16:24Z)
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。