論文の概要: Global-Local MAV Detection under Challenging Conditions based on
Appearance and Motion
- arxiv url: http://arxiv.org/abs/2312.11008v1
- Date: Mon, 18 Dec 2023 08:06:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-20 20:53:37.396093
- Title: Global-Local MAV Detection under Challenging Conditions based on
Appearance and Motion
- Title(参考訳): 外観と動きに基づくカオス条件下のグローバルローカルMAV検出
- Authors: Hanqing Guo, Ye Zheng, Yin Zhang, Zhi Gao, Shiyu Zhao
- Abstract要約: 本研究では,MAV検出のための動作特徴と外観特徴を融合させるグローバルなMAV検出器を提案する。
提案した検出器の有効性をトレーニングし、検証するために、新しいデータセットが作成される。
特に、この検出器はNVIDIA Jetson NX Xavier上でほぼリアルタイムのフレームレートで動作させることができる。
- 参考スコア(独自算出の注目度): 27.11400452401168
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Visual detection of micro aerial vehicles (MAVs) has received increasing
research attention in recent years due to its importance in many applications.
However, the existing approaches based on either appearance or motion features
of MAVs still face challenges when the background is complex, the MAV target is
small, or the computation resource is limited. In this paper, we propose a
global-local MAV detector that can fuse both motion and appearance features for
MAV detection under challenging conditions. This detector first searches MAV
target using a global detector and then switches to a local detector which
works in an adaptive search region to enhance accuracy and efficiency.
Additionally, a detector switcher is applied to coordinate the global and local
detectors. A new dataset is created to train and verify the effectiveness of
the proposed detector. This dataset contains more challenging scenarios that
can occur in practice. Extensive experiments on three challenging datasets show
that the proposed detector outperforms the state-of-the-art ones in terms of
detection accuracy and computational efficiency. In particular, this detector
can run with near real-time frame rate on NVIDIA Jetson NX Xavier, which
demonstrates the usefulness of our approach for real-world applications. The
dataset is available at https://github.com/WestlakeIntelligentRobotics/GLAD. In
addition, A video summarizing this work is available at
https://youtu.be/Tv473mAzHbU.
- Abstract(参考訳): マイクロエアロビー(MAV)の視覚的検出は、多くの応用において重要であるため、近年研究の注目を集めている。
しかし,MAVの外観や動作の特徴に基づく既存手法は,背景が複雑であったり,MAVターゲットが小さかったり,計算資源が限られていたりしても,依然として課題に直面している。
本稿では,MAV検出のための動作特徴と外観特徴を融合させるグローバルなMAV検出器を提案する。
この検出器はまずグローバル検出器を用いてMAVターゲットを探索し、次に適応探索領域で動作する局所検出器に切り替えて精度と効率を高める。
さらに、グローバル検出器とローカル検出器の調整に検出器切換器が用いられる。
新しいデータセットが作成され、提案する検出器の有効性を訓練し検証する。
このデータセットには、実際に起こり得るより困難なシナリオが含まれている。
3つの挑戦的データセットに関する広範囲な実験により、提案する検出器は検出精度と計算効率の点で最先端の検出器よりも優れていることが示された。
特に、この検出器はnvidia jetson nx xavier上でほぼリアルタイムフレームレートで動作し、実世界のアプリケーションに対する我々のアプローチの有用性を示しています。
データセットはhttps://github.com/WestlakeIntelligentRobotics/GLADで公開されている。
さらに、この作業を要約したビデオがhttps://youtu.be/Tv473mAzHbUで公開されている。
関連論文リスト
- MMAUD: A Comprehensive Multi-Modal Anti-UAV Dataset for Modern Miniature
Drone Threats [37.981623262267036]
MMAUDは、ドローン検出、UAV型分類、軌道推定に焦点を当てて、現代の脅威検出手法における重要なギャップに対処する。
これは、熱とRGBを使用して特定のベタージュポイントでキャプチャされたデータセットよりも忠実度の高い実世界のシナリオに対処するための、ユニークな頭上の空中検出を提供する。
提案するモダリティは費用対効果が高く適応性が高いため,UAV脅威検出ツールの実験と実装が可能である。
論文 参考訳(メタデータ) (2024-02-06T04:57:07Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳(メタデータ) (2023-09-21T15:00:31Z) - An Empirical Analysis of Range for 3D Object Detection [70.54345282696138]
本稿では,長距離検出データセットArgoverse 2.0を用いた遠距離3次元検出の実験的検討を行った。
近接場LiDARの測定は、小さなボクセルによって密度が高く最適に符号化され、遠距離場の測定は疎く、大きなボクセルで符号化されている。
本研究では,33%の効率向上と3.2%のCDSの精度向上を図った。
論文 参考訳(メタデータ) (2023-08-08T05:29:26Z) - Aerial View Goal Localization with Reinforcement Learning [6.165163123577484]
本稿では,実際のUAVへのアクセスを必要とせずに,SAR(Search-and-Rescue)のようなセットアップをエミュレートするフレームワークを提案する。
この枠組みでは、エージェントが空中画像(探索領域のプロキシ)上で動作し、視覚的手がかりとして記述されたゴールのローカライズを行う。
AiRLocは、探索(遠方目標探索)と搾取(近方目標の局所化)を分離する強化学習(RL)に基づくモデルである。
論文 参考訳(メタデータ) (2022-09-08T10:27:53Z) - Fully Convolutional One-Stage 3D Object Detection on LiDAR Range Images [96.66271207089096]
FCOS-LiDARは、自律走行シーンのLiDAR点雲のための完全な1段式3Dオブジェクト検出器である。
標準的な2Dコンボリューションを持つRVベースの3D検出器は、最先端のBEVベースの検出器と同等の性能を発揮することを示す。
論文 参考訳(メタデータ) (2022-05-27T05:42:16Z) - Vision-based Anti-UAV Detection and Tracking [18.307952561941942]
無人航空機(UAV)は様々な分野で広く使われており、セキュリティやプライバシーへの侵入が社会の関心を喚起している。
本稿では,ダリアン工科大学アンチUAVデータセット,DUTアンチUAVという可視光モードデータセットを提案する。
検出データセットには、合計1万の画像と、短期および長期のシーケンスを含む20のビデオの追跡データセットが含まれている。
論文 参考訳(メタデータ) (2022-05-22T15:21:45Z) - 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) - 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) - Reinforcement Learning for UAV Autonomous Navigation, Mapping and Target
Detection [36.79380276028116]
本研究では,無人航空機(UAV)に低高度レーダーを装備し,未知の環境下での飛行における共同検出・マッピング・ナビゲーション問題について検討する。
目的は、マッピング精度を最大化する目的で軌道を最適化することであり、目標検出の観点からは、測定が不十分な領域を避けることである。
論文 参考訳(メタデータ) (2020-05-05T20:39:18Z) - EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with
Cascade Refinement [53.69674636044927]
本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。
完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。
完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
論文 参考訳(メタデータ) (2020-02-18T08:04:58Z)
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。