論文の概要: DDOS: The Drone Depth and Obstacle Segmentation Dataset

• arxiv url: http://arxiv.org/abs/2312.12494v1
• Date: Tue, 19 Dec 2023 18:54:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-21 17:59:41.204372
• Title: DDOS: The Drone Depth and Obstacle Segmentation Dataset
• Title（参考訳）: DDOS:ドローンの深さと障害物セグメンテーションデータセット
• Authors: Benedikt Kolbeinsson and Krystian Mikolajczyk
• Abstract要約: 現実の航空データセットの不足は、ロバストなモデルのトレーニングと評価に重大な課題をもたらす。 本研究では,航空ビューにおける深度とセマンティックセグメンテーションタスクに特化して設計された新しい合成データセットを提案する。
• 参考スコア（独自算出の注目度）: 19.924944826583605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate depth and semantic segmentation are crucial for various computer vision tasks. However, the scarcity of annotated real-world aerial datasets poses a significant challenge for training and evaluating robust models. Additionally, the detection and segmentation of thin objects, such as wires, cables, and fences, present a critical concern for ensuring the safe operation of drones. To address these limitations, we present a novel synthetic dataset specifically designed for depth and semantic segmentation tasks in aerial views. Leveraging photo-realistic rendering techniques, our dataset provides a valuable resource for training models using a synthetic-supervision training scheme while introducing new drone-specific metrics for depth accuracy.
• Abstract（参考訳）: 正確な深度とセマンティックセグメンテーションは様々なコンピュータビジョンタスクに不可欠である。 しかし、注釈付き実世界の空中データセットの不足は、堅牢なモデルのトレーニングと評価において大きな課題となる。 さらに、ワイヤー、ケーブル、フェンスなどの薄い物体の検出とセグメント化は、ドローンの安全な運用を確保する上で重要な関心事となっている。 これらの制約に対処するため,航空ビューにおける深度・意味的セグメンテーションタスクに特化して設計された新しい合成データセットを提案する。 フォトリアリスティックなレンダリング技術を活用したデータセットは,合成スーパービジョンのトレーニングスキームを用いたモデルのトレーニングに有用なリソースを提供すると同時に,深さ精度のためのドローン固有のメトリクスも新たに導入する。

関連論文リスト

• Drone Acoustic Analysis for Predicting Psychoacoustic Annoyance via Artificial Neural Networks [0.0]
  本研究は,種々の深層学習モデルの心理音響障害予測における有効性を検討することによって,先行研究を基礎にしている。 本研究の目的は、ドローン騒音の理解を深め、騒音低減技術の開発を支援し、公共空間でのドローン使用の受け入れを促進することである。
  論文  参考訳（メタデータ） (2024-10-29T16:38:34Z)
• Drone Stereo Vision for Radiata Pine Branch Detection and Distance Measurement: Integrating SGBM and Segmentation Models [4.730379319834545]
  本研究では,専用プルーニングツールとステレオビジョンカメラを備えたドローン式プルーニングシステムの開発を提案する。 YOLOやMask R-CNNを含むディープラーニングアルゴリズムは、正確な分岐検出を保証するために使用される。 これらの技術間の相乗効果により、分岐位置の正確な同定が容易になり、効率的で標的とした刈り取りが可能となる。
  論文  参考訳（メタデータ） (2024-09-26T04:27:44Z)
• Segmentation of Drone Collision Hazards in Airborne RADAR Point Clouds Using PointNet [0.7067443325368975]
  統合のための重要な前提条件は、安全な運用を確保するために、状況認識を増強したUAVを装備することである。 本研究は,複数の衝突リスクを同時に識別するために,レーダ技術を活用した航空点雲のエンドツーエンドセマンティックセマンティックセマンティックセグメンテーションを実現する。 我々の知る限り、これは空中における複数の衝突脅威の同時識別に対処する最初のアプローチであり、94%の精度を達成する。
  論文  参考訳（メタデータ） (2023-11-06T16:04:58Z)
• 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)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)
• 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)
• 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)
• Scarce Data Driven Deep Learning of Drones via Generalized Data Distribution Space [12.377024173799631]
  GAN(Generative Adversarial Network)を通じて、ドローンデータの一般的な分布を理解することで、不足したデータを取得して、迅速かつ正確な学習を実現することができることを示す。 我々は、実際のドローン画像とコンピュータ支援設計のシミュレーション画像の両方を含むドローン画像データセット上で、我々の結果を実証した。
  論文  参考訳（メタデータ） (2021-08-18T17:07:32Z)
• R4Dyn: Exploring Radar for Self-Supervised Monocular Depth Estimation of Dynamic Scenes [69.6715406227469]
  駆動シナリオにおける自己教師付き単眼深度推定は、教師付きアプローチに匹敵する性能を達成した。 本稿では,自己監督型深度推定フレームワーク上に費用効率の高いレーダデータを利用する新しい手法であるR4Dynを提案する。
  論文  参考訳（メタデータ） (2021-08-10T17:57:03Z)
• Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
  本稿では,他の飛行ドローンからドローンを検知する問題に対処する。 ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。 これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-03-31T17:43:31Z)
• Detection and Tracking Meet Drones Challenge [131.31749447313197]
  本稿では、オブジェクト検出・追跡データセットとベンチマークのレビューを行い、手動アノテーションによる大規模ドローンによるオブジェクト検出・追跡データセットの収集の課題について論じる。 当社のVisDroneデータセットは、中国北部から南部にかけての14の都市部と郊外部で収集されたものです。 本稿では,ドローンにおける大規模物体検出・追跡の現場の現状を詳細に分析し,今後の方向性を提案するとともに,課題を結論づける。
  論文  参考訳（メタデータ） (2020-01-16T00:11:56Z)

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。