論文の概要: Computer Vision for Carriers: PATRIOT
- arxiv url: http://arxiv.org/abs/2311.15914v1
- Date: Mon, 27 Nov 2023 15:23:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 14:40:05.190979
- Title: Computer Vision for Carriers: PATRIOT
- Title（参考訳）: キャリアのためのコンピュータビジョン:PATRIOT
- Authors: Ari Goodman, Gurpreet Singh, James Hing, Ryan O'Shea
- Abstract要約: PATRIOTは、既存のカメラフィードを受信し、航空機のポーズを計算し、仮想のOuijaボードインターフェースを現在の資産と更新するプロトタイプシステムである。
ソフトウェアは人工的および現実世界のデータでテストされ、資産のポーズを正確に抽出することができた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deck tracking performed on carriers currently involves a team of sailors
manually identifying aircraft and updating a digital user interface called the
Ouija Board. Improvements to the deck tracking process would result in
increased Sortie Generation Rates, and therefore applying automation is seen as
a critical method to improve deck tracking. However, the requirements on a
carrier ship do not allow for the installation of hardware-based location
sensing technologies like Global Positioning System (GPS) sensors. PATRIOT
(Panoramic Asset Tracking of Real-Time Information for the Ouija Tabletop) is a
research effort and proposed solution to performing deck tracking with passive
sensing and without the need for GPS sensors. PATRIOT is a prototype system
which takes existing camera feeds, calculates aircraft poses, and updates a
virtual Ouija board interface with the current status of the assets. PATRIOT
would allow for faster, more accurate, and less laborious asset tracking for
aircraft, people, and support equipment. PATRIOT is anticipated to benefit the
warfighter by reducing cognitive workload, reducing manning requirements,
collecting data to improve logistics, and enabling an automation gateway for
future efforts to improve efficiency and safety. The authors have developed and
tested algorithms to perform pose estimations of assets in real-time including
OpenPifPaf, High-Resolution Network (HRNet), HigherHRNet (HHRNet), Faster
R-CNN, and in-house developed encoder-decoder network. The software was tested
with synthetic and real-world data and was able to accurately extract the pose
of assets. Fusion, tracking, and real-world generality are planned to be
improved to ensure a successful transition to the fleet.
- Abstract（参考訳）: 現在、キャリア上でのデックトラッキングには、航空機を手動で識別し、Ouija Boardと呼ばれるデジタルユーザーインターフェースを更新する水兵のチームが含まれる。
デッキトラッキングプロセスの改善は、ソーティ生成率の向上をもたらすため、自動化を適用することがデッキトラッキングを改善する重要な方法であると見なされる。
しかしながら、キャリア船の要求は、GPS(Global Positioning System)センサーのようなハードウェアベースの位置検知技術のインストールを許可していない。
patriot (panoramic asset tracking of real-time information for the ouija tabletop)は、パッシブセンシングによるデッキトラッキングを、gpsセンサーを必要とせずに行うための研究とソリューションである。
PATRIOTは、既存のカメラフィードを受信し、航空機のポーズを計算し、仮想のOuijaボードインターフェースを現在の資産と更新するプロトタイプシステムである。
PATRIOTは、航空機、人、支援機器のより速く、より正確で、より労力の少ない資産追跡を可能にする。
PATRIOTは、認知作業量の削減、管理要件の削減、ロジスティクス改善のためのデータ収集、将来の効率と安全性向上のための自動化ゲートウェイの実現によって、戦闘者にとってメリットが期待されている。
著者らは、OpenPifPaf、High-Resolution Network (HRNet)、HigherHRNet (HHRNet)、Faster R-CNN、社内開発エンコーダデコーダネットワークなど、リアルタイムに資産のポーズ推定を行うアルゴリズムを開発した。
ソフトウェアは合成データと実世界のデータを使ってテストされ、資産の状況を正確に抽出することができた。
フュージョン、追跡、現実世界の汎用性は艦隊への移行を成功させるために改善される予定である。
関連論文リスト
- LIFT OFF: LoRaWAN Installation and Fiducial Tracking Operations for the
Flightline of the Future [0.0]
LIFT OFFは、人や支援機器のGPSセンサーと、航空機の視覚的フィジュアルを使って、追跡された全ての資産をリアルタイムで更新するマップを成功させた。
今後、空母や水陸両用攻撃船を含む他の環境にもこの技術を適用することが期待されている。
論文 参考訳（メタデータ） (2023-11-27T15:22:17Z) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳（メタデータ） (2023-10-08T21:32:30Z) - VBSF-TLD: Validation-Based Approach for Soft Computing-Inspired Transfer
Learning in Drone Detection [0.0]
本稿では,コンピュータビジョンベースモジュールの不可欠な部分を構成する移動型ドローン検出手法を提案する。
事前学習されたモデルの知識を関連ドメインから活用することにより、限られたトレーニングデータであっても、トランスファー学習によりより良い結果が得られる。
特に、このスキームの有効性は、IOUベースの検証結果によって強調される。
論文 参考訳（メタデータ） (2023-06-11T22:30:23Z) - Siamese Object Tracking for Unmanned Aerial Vehicle: A Review and
Comprehensive Analysis [15.10348491862546]
無人航空機(UAV)による視覚的物体追跡は幅広い応用を可能にしている。
シームズネットワークは、精度、堅牢性、スピードの有望なバランスを保ちながら、視覚的オブジェクト追跡に光を当てている。
論文 参考訳（メタデータ） (2022-05-09T13:53:34Z) - Scalable and Real-time Multi-Camera Vehicle Detection,
Re-Identification, and Tracking [58.95210121654722]
理想化されたビデオストリームやキュレートされたビデオストリームの代わりに,リアルタイムで低解像度のCCTVを処理する,リアルタイムな都市規模のマルチカメラ車両追跡システムを提案する。
私たちの手法は、公共のリーダーボードで上位5人のパフォーマーにランク付けされています。
論文 参考訳（メタデータ） (2022-04-15T12:47:01Z) - Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge
TPU [58.720142291102135]
本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。
我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
論文 参考訳（メタデータ） (2022-04-07T08:53:18Z) - ADAPT: An Open-Source sUAS Payload for Real-Time Disaster Prediction and
Response with AI [55.41644538483948]
小型無人航空機システム(sUAS)は、多くの人道支援や災害対応作戦において顕著な構成要素となっている。
我々は,SUAS上にリアルタイムAIとコンピュータビジョンをデプロイするための,オープンソースのADAPTマルチミッションペイロードを開発した。
本研究では,河川氷の状態を監視し,破滅的な洪水現象をタイムリーに予測するための,リアルタイム・飛行中の氷分断の例を示す。
論文 参考訳（メタデータ） (2022-01-25T14:51:19Z) - Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
高速物体把握のための完全自律飛行ロボットが提案されている。
追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。
我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
論文 参考訳（メタデータ） (2021-12-10T11:49:51Z) - Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。
車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。
また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
論文 参考訳（メタデータ） (2021-12-03T18:59:59Z) - High-Speed Robot Navigation using Predicted Occupancy Maps [0.0]
ロボットがセンサの地平線を越えて広がる空間を高速で予測できるアルゴリズム手法について検討する。
我々は、人間のアノテートラベルを必要とせず、実世界のデータからトレーニングされた生成ニューラルネットワークを用いてこれを実現する。
既存の制御アルゴリズムを拡張し、予測空間を活用することで、衝突のない計画とナビゲーションを高速で改善します。
論文 参考訳（メタデータ） (2020-12-22T16:25:12Z) - AutoSOS: Towards Multi-UAV Systems Supporting Maritime Search and Rescue
with Lightweight AI and Edge Computing [27.15999421608932]
本稿では,自律型マルチロボット探索・救助支援プラットフォームの開発を支援するAutoSOSプロジェクトの方向性について述べる。
このプラットフォームは、新しい適応型ディープラーニングアルゴリズムを用いて、環境の初期評価のための偵察ミッションを実行することを目的としている。
ドローンが潜在的な物体を見つけると、そのセンサーデータを船に送る。
論文 参考訳（メタデータ） (2020-05-07T12:22:15Z)
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。