Fugu-MT 論文翻訳(概要): Image and AIS Data Fusion Technique for Maritime Computer Vision Applications

論文の概要: Image and AIS Data Fusion Technique for Maritime Computer Vision Applications

arxiv url: http://arxiv.org/abs/2312.05270v1
Date: Thu, 7 Dec 2023 20:54:49 GMT
ステータス: 処理完了
システム内更新日: 2023-12-12 21:56:54.472645
Title: Image and AIS Data Fusion Technique for Maritime Computer Vision Applications
Title（参考訳）: 海上コンピュータビジョンのための画像およびaisデータ融合技術
Authors: Emre G\"ulsoylu, Paul Koch, Mert Y{\i}ld{\i}z, Manfred Constapel and Andr\'e Peter Kelm
Abstract要約: 本研究では,AIS(Automatic Identification System)データと画像に検出された容器を融合させてデータセットを作成する手法を開発した。提案手法は, 距離と方位を推定することにより, 検出した船舶を対応するAISメッセージに関連付ける。この技術は、水路交通管理、遭遇検知、監視のためのデータセットを作成するのに有用である。
参考スコア（独自算出の注目度）: 1.482087972733629
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Deep learning object detection methods, like YOLOv5, are effective in identifying maritime vessels but often lack detailed information important for practical applications. In this paper, we addressed this problem by developing a technique that fuses Automatic Identification System (AIS) data with vessels detected in images to create datasets. This fusion enriches ship images with vessel-related data, such as type, size, speed, and direction. Our approach associates detected ships to their corresponding AIS messages by estimating distance and azimuth using a homography-based method suitable for both fixed and periodically panning cameras. This technique is useful for creating datasets for waterway traffic management, encounter detection, and surveillance. We introduce a novel dataset comprising of images taken in various weather conditions and their corresponding AIS messages. This dataset offers a stable baseline for refining vessel detection algorithms and trajectory prediction models. To assess our method's performance, we manually annotated a portion of this dataset. The results are showing an overall association accuracy of 74.76 %, with the association accuracy for fixed cameras reaching 85.06 %. This demonstrates the potential of our approach in creating datasets for vessel detection, pose estimation and auto-labelling pipelines.
Abstract（参考訳）: YOLOv5のような深層学習オブジェクト検出法は海洋船の識別に有効であるが、実用上重要な詳細な情報がないことが多い。本稿では,画像に検出された容器と自動識別システム(ais)データを融合してデータセットを作成する手法を開発した。この融合により、船舶の画像には船体、サイズ、速度、方向などのデータが含まれる。提案手法は, 固定および周期的なパンニングカメラに適したホモグラフィー法を用いて, 距離と方位を推定することにより, 検出した船舶を対応するAISメッセージに関連付ける。この技術は、水路交通管理、遭遇検知、監視のためのデータセットを作成するのに有用である。各種気象条件で撮影した画像と対応するAISメッセージからなる新しいデータセットを提案する。このデータセットは、船舶検出アルゴリズムと軌道予測モデルを精錬するための安定したベースラインを提供する。提案手法の性能を評価するため,このデータセットの一部を手動で注釈付けした。その結果、全体の関連精度は74.76 %となり、固定カメラの関連精度は85.06 %に達した。これは、血管検出、ポーズ推定、自動ラベリングパイプラインのためのデータセットを作成する際のアプローチの可能性を示しています。

関連論文リスト

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)
Improving Online Lane Graph Extraction by Object-Lane Clustering [106.71926896061686]
本稿では,局所レーングラフの推定精度を向上させるために,アーキテクチャと損失の定式化を提案する。提案手法は,中心線をクラスタ中心とすることで,対象を中心線に割り当てることを学ぶ。提案手法は既存の3次元オブジェクト検出手法の出力を用いて,大幅な性能向上を実現することができることを示す。
論文参考訳（メタデータ） (2023-07-20T15:21:28Z)
Unlocking the Use of Raw Multispectral Earth Observation Imagery for Onboard Artificial Intelligence [3.3810628880631226]
本研究は,ターゲットイベントの検出のためのデータセット作成を自動化する新しい手法を提案する。提案手法は、まず、空間帯域登録とジオレファレンスからなるパイプラインを適用することにより、生データを処理する。 Level-1C製品上で、イベント固有の最先端アルゴリズムを活用することで、ターゲットイベントを検出する。本研究では,温熱ホットスポットを含むSentinel-2生データの最初のデータセットであるTHRawS (Thermal Hotspots in Raw Sentinel-2 data) を実現するために提案手法を適用した。
論文参考訳（メタデータ） (2023-05-12T09:54:21Z)
Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文参考訳（メタデータ） (2023-04-27T20:21:18Z)
Asynchronous Trajectory Matching-Based Multimodal Maritime Data Fusion for Vessel Traffic Surveillance in Inland Waterways [12.7548343467665]
自動識別システム(AIS)とビデオカメラは、内陸水路における船舶の交通監視に広く利用されている。本稿では,AIS ベースの容器情報と対応する視覚的目標とを融合させる,深層学習対応非同期軌道マッチング手法を提案する。さらに,AISと映像に基づく動作特徴を組み合わせることで,より正確で堅牢な血管追跡結果を得るための知識駆動型抗閉塞法も提案する。
論文参考訳（メタデータ） (2023-02-22T11:00:34Z)
SimuShips -- A High Resolution Simulation Dataset for Ship Detection with Precise Annotations [0.0]
畳み込みニューラルネットワーク(CNN)に基づく最先端の障害物検出アルゴリズム SimuShipsは、海洋環境向けに公開されているシミュレーションベースのデータセットである。
論文参考訳（メタデータ） (2022-09-22T07:33:31Z)
A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文参考訳（メタデータ） (2022-06-13T19:14:06Z)
Benchmarking the Robustness of LiDAR-Camera Fusion for 3D Object Detection [58.81316192862618]
自律運転における3D知覚のための2つの重要なセンサーは、カメラとLiDARである。これら2つのモダリティを融合させることで、3次元知覚モデルの性能を大幅に向上させることができる。我々は、最先端の核融合法を初めてベンチマークした。
論文参考訳（メタデータ） (2022-05-30T09:35:37Z)
Automated System for Ship Detection from Medium Resolution Satellite Optical Imagery [3.190574537106449]
本研究では,ESA Sentinel-2とPlanet Labs Doveの星座から得られた低解像度衛星画像に対する船舶検出パイプラインを提案する。この光学衛星画像は、合成開口レーダー(SAR)画像に基づく既存のソリューションと比較して、地球上の任意の場所で容易に利用でき、海洋領域では利用できない。
論文参考訳（メタデータ） (2021-04-28T15:06:18Z)
Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
論文参考訳（メタデータ） (2020-09-30T19:01:33Z)
Semantic sensor fusion: from camera to sparse lidar information [7.489722641968593]
本稿では,異なる感覚情報,光検出・ランキング(ライダー)スキャン,カメラ画像の融合手法を提案する。ラベル付き画像とライダー点雲間の意味情報の転送を4ステップで行う。
論文参考訳（メタデータ） (2020-03-04T03:09:33Z)

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。