Fugu-MT 論文翻訳(概要): Real Time Human Detection by Unmanned Aerial Vehicles

論文の概要: Real Time Human Detection by Unmanned Aerial Vehicles

arxiv url: http://arxiv.org/abs/2401.03275v1
Date: Sat, 6 Jan 2024 18:28:01 GMT
ステータス: 処理完了
システム内更新日: 2024-01-09 19:23:44.157622
Title: Real Time Human Detection by Unmanned Aerial Vehicles
Title（参考訳）: 無人航空機によるリアルタイム人体検知
Authors: Walid Guettala and Ali Sayah and Laid Kahloul and Ahmed Tibermacine
Abstract要約: 公安のための重要な2つのデータソースは、無人航空機(UAV)によって生成された熱赤外(TIR)リモートセンシング写真とビデオである。ターゲットの小型化,複雑なシーン情報,視聴可能なビデオに対する低解像度化,ラベル付きデータセットやトレーニングモデルのデジェスなどにより,オブジェクト検出は依然として困難である。本研究では,写真やビデオのためのUAV TIRオブジェクト検出フレームワークを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: One of the most important problems in computer vision and remote sensing is object detection, which identifies particular categories of diverse things in pictures. Two crucial data sources for public security are the thermal infrared (TIR) remote sensing multi-scenario photos and videos produced by unmanned aerial vehicles (UAVs). Due to the small scale of the target, complex scene information, low resolution relative to the viewable videos, and dearth of publicly available labeled datasets and training models, their object detection procedure is still difficult. A UAV TIR object detection framework for pictures and videos is suggested in this study. The Forward-looking Infrared (FLIR) cameras used to gather ground-based TIR photos and videos are used to create the ``You Only Look Once'' (YOLO) model, which is based on CNN architecture. Results indicated that in the validating task, detecting human object had an average precision at IOU (Intersection over Union) = 0.5, which was 72.5\%, using YOLOv7 (YOLO version 7) state of the art model \cite{1}, while the detection speed around 161 frames per second (FPS/second). The usefulness of the YOLO architecture is demonstrated in the application, which evaluates the cross-detection performance of people in UAV TIR videos under a YOLOv7 model in terms of the various UAVs' observation angles. The qualitative and quantitative evaluation of object detection from TIR pictures and videos using deep-learning models is supported favorably by this work.
Abstract（参考訳）: コンピュータビジョンとリモートセンシングにおける最も重要な問題の1つは、画像中のさまざまなものの特定のカテゴリを特定するオブジェクト検出である。公安のための重要な2つのデータソースは、無人航空機(UAV)が生成する、熱赤外(TIR)リモートセンシングマルチシナリオ写真とビデオである。ターゲットの小型化,複雑なシーン情報,視聴可能なビデオに対する低解像度化,ラベル付きデータセットやトレーニングモデルのデジェストなどにより,オブジェクト検出は依然として困難である。本研究では,写真やビデオのためのUAV TIRオブジェクト検出フレームワークを提案する。地上のTIR写真やビデオを集めるために使用されるFLIRカメラは、CNNアーキテクチャに基づいた'You Only Look Once' (YOLO)モデルを作成するために使用される。その結果,人体検出の精度は IOU (Intersection over Union) = 0.5 で 72.5\% であり,技術モデル \cite{1} のYOLOv7 (YOLO version 7) 状態を用い,検出速度は毎秒161フレーム (FPS/秒) であった。 YOLOアーキテクチャの有用性をアプリケーションで示し、様々なUAVの観測角度から、YOLOv7モデルの下でUAV TIRビデオ中の人々のクロス検出性能を評価する。本研究は,深層学習モデルを用いたTIR画像やビデオからの物体検出の質的,定量的な評価を支援する。

関連論文リスト

FADE: A Dataset for Detecting Falling Objects around Buildings in Video [75.48118923174712]
建物から落下する物体は、大きな衝撃力によって歩行者に重傷を負わせる可能性がある。 FADEには18のシーンから1,881本のビデオがあり、8つの落下物カテゴリー、4つの気象条件、4つのビデオ解像度がある。動作情報を効果的に活用するFADE-Netと呼ばれる新しい物体検出手法を開発した。
論文参考訳（メタデータ） (2024-08-11T11:43:56Z)
IRSAM: Advancing Segment Anything Model for Infrared Small Target Detection [55.554484379021524]
Infrared Small Target Detection (IRSTD) タスクは、自然画像と赤外線画像の間に顕著な領域ギャップがあるため、満足度の高い性能を達成するには不十分である。 IRSTDのためのIRSAMモデルを提案する。これはSAMのエンコーダデコーダアーキテクチャを改善し、赤外線小物体の特徴表現をより良く学習する。
論文参考訳（メタデータ） (2024-07-10T10:17:57Z)
Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve Aerial Visual Perception? [57.77643186237265]
我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。 MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
論文参考訳（メタデータ） (2023-12-07T18:59:14Z)
Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
論文参考訳（メタデータ） (2022-11-02T11:10:42Z)
SA-NET.v2: Real-time vehicle detection from oblique UAV images with use of uncertainty estimation in deep meta-learning [0.0]
本稿では,小さなトレーニングデータセットと深層メタラーニングに基づく斜めUAV画像に対するリアルタイム車両検出の問題点について考察する。 SA-Net.v2は、SA-CNNをベースとしたリアルタイム車両検出手法である。実験の結果、SA-Net.v2は時系列の斜めUAV画像で有望な性能を達成した。
論文参考訳（メタデータ） (2022-08-04T09:08:47Z)
HIT-UAV: A high-altitude infrared thermal dataset for Unmanned Aerial Vehicle-based object detection [12.412261347328792]
無人航空機(UAV)における物体検出用高高度赤外線サーマルデータセットHIT-UAVについて述べる。データセットは、UAVが撮影した数百のビデオで43,470フレームから抽出された2,898個の赤外線熱画像で構成されている。我々は、HIT-UAV上で、よく確立された物体検出アルゴリズムを訓練し、評価した。
論文参考訳（メタデータ） (2022-04-07T06:23:02Z)
Analysis and Adaptation of YOLOv4 for Object Detection in Aerial Images [0.0]
本研究は,空中画像中の物体とその位置を予測するためのYOLOv4フレームワークの適応性を示す。トレーニングされたモデルは平均的な平均精度(mAP)が45.64%となり、推論速度はTesla K80 GPUで8.7FPSに達した。いくつかの現代の空中物体検出器との比較研究により、YOLOv4はより優れた性能を示し、航空プラットフォームに組み込むのにより適した検出アルゴリズムが示唆された。
論文参考訳（メタデータ） (2022-03-18T23:51:09Z)
Comparison of Object Detection Algorithms Using Video and Thermal Images Collected from a UAS Platform: An Application of Drones in Traffic Management [2.9932638148627104]
本研究では、視覚カメラと赤外線カメラの両方のリアルタイム車両検出アルゴリズムについて検討する。フロリダ州タンパの高速道路沿いのUASプラットフォームから、レッドグリーンブルー(RGB)のビデオと熱画像が収集された。
論文参考訳（メタデータ） (2021-09-27T16:57:09Z)
Few-Shot Learning for Video Object Detection in a Transfer-Learning Scheme [70.45901040613015]
ビデオ物体検出のための数発学習の新たな課題について検討する。我々は,多数のベースクラスオブジェクトに対して映像物体検出を効果的に訓練するトランスファー学習フレームワークと,ノベルクラスオブジェクトのいくつかのビデオクリップを用いる。
論文参考訳（メタデータ） (2021-03-26T20:37:55Z)
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)
AU-AIR: A Multi-modal Unmanned Aerial Vehicle Dataset for Low Altitude Traffic Surveillance [20.318367304051176]
カメラを搭載した無人航空機(UAV)は、空中(バードビュー)画像を撮影する利点がある。オブジェクトアノテーションによる視覚データを含む、いくつかの空中データセットが導入されている。本研究では,実環境下で収集されたマルチモーダルセンサデータを有する多目的航空データセット(AU-AIR)を提案する。
論文参考訳（メタデータ） (2020-01-31T09:45:12Z)

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。