論文の概要: The Method of Detecting Flying Birds in Surveillance Video Based on Their Characteristics
- arxiv url: http://arxiv.org/abs/2401.03749v2
- Date: Sat, 13 Apr 2024 05:56:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-16 22:48:02.622141
- Title: The Method of Detecting Flying Birds in Surveillance Video Based on Their Characteristics
- Title(参考訳): サーベイランス映像における飛行鳥の特徴に基づく検出法
- Authors: Ziwei Sun, Zexi Hua, Hengchao Li, Yan Li,
- Abstract要約: 本稿では,Surveillance Video(FBOD-SV)におけるFlying Bird Object Detection法を提案する。
新しい特徴集約モジュールである相関注意特徴集約(Co-Attention-FA)モジュールは、飛行する鳥の物体の特徴を集約するように設計されている。
ダウンサンプリングとアップサンプリングを併用したフライングバードオブジェクト検出ネットワーク(FBOD-Net)が設計されている。
また,SimOTA動的ラベル割り当て手法をワンカテゴリオブジェクト検出に適用した。
- 参考スコア(独自算出の注目度): 9.597393200515377
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aiming at the characteristics of the flying bird object in surveillance video, such as the single frame image feature is not obvious, the size is small in most cases, and asymmetric, this paper proposes a Flying Bird Object Detection method in Surveillance Video (FBOD-SV). Firstly, a new feature aggregation module, the Correlation Attention Feature Aggregation (Co-Attention-FA) module, is designed to aggregate the features of the flying bird object according to the bird object's correlation on multiple consecutive frames of images. Secondly, a Flying Bird Object Detection Network (FBOD-Net) with down-sampling and then up-sampling is designed, which uses a large feature layer that fuses fine spatial information and large receptive field information to detect special multi-scale (mostly small-scale) bird objects. Finally, the SimOTA dynamic label allocation method is applied to One-Category object detection, and the SimOTA-OC dynamic label strategy is proposed to solve the difficult problem of label allocation caused by irregular flying bird objects. In this paper, the algorithm's performance is verified by the experimental data set of the surveillance video of the flying bird object of the traction substation. The experimental results show that the surveillance video flying bird object detection method proposed in this paper effectively improves the detection performance of flying bird objects.
- Abstract(参考訳): 単一フレーム画像の特徴など,監視ビデオにおける空飛ぶ鳥の物体の特徴は明確ではなく,ほとんどの場合サイズが小さく,非対称であり,本研究では,監視ビデオにおけるフライングバード物体検出法(FBOD-SV)を提案する。
まず,複数の画像の連続的フレーム上での鳥物体の相関に基づいて,飛来する鳥物体の特徴を集約するために,新たな特徴集約モジュールである相関注意特徴集合(Co-Attention-FA)モジュールを設計した。
第二に、ダウンサンプリングとアップサンプリングを備えたFlying Bird Object Detection Network (FBOD-Net) が設計され、細かな空間情報と受容野情報を融合した大きな特徴層を用いて、特別なマルチスケール(主に小規模)の鳥の物体を検出する。
最後に,SimOTA動的ラベルアロケーション手法をワンカテゴリオブジェクト検出に適用し,不規則飛行鳥によるラベルアロケーションの難しさを解決するため,SimOTA動的ラベル戦略を提案する。
本稿では, トラクション変電所の空飛ぶ鳥物体の監視映像のデータセットを用いて, アルゴリズムの性能を検証した。
実験結果から,本論文で提案する飛行鳥物体検出法は,飛行鳥物体の検出性能を効果的に向上することが示された。
関連論文リスト
- TK-Planes: Tiered K-Planes with High Dimensional Feature Vectors for Dynamic UAV-based Scenes [58.180556221044235]
本研究では,無人航空機(UAV)の認識における合成と実世界の領域間ギャップを埋める新しい手法を提案する。
我々のformu-lationは、動いた物体や人間の行動からなる動的シーン用に設計されている。
我々は,Okutama ActionやUG2など,挑戦的なデータセットの性能を評価する。
論文 参考訳(メタデータ) (2024-05-04T21:55:33Z) - 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) - EarlyBird: Early-Fusion for Multi-View Tracking in the Bird's Eye View [6.093524345727119]
本研究では,バードアイビューの早期融合により,検出と追跡の両面で高い精度が得られることを示す。
EarlyBirdは最先端の手法より優れており、現在のWildtrackの状態を+4.6 MOTAと+5.6 IDF1で改善している。
論文 参考訳(メタデータ) (2023-10-20T08:27:21Z) - FOLT: Fast Multiple Object Tracking from UAV-captured Videos Based on
Optical Flow [27.621524657473945]
複数物体追跡(MOT)はコンピュータビジョンにおいてよく研究されている。
しかし、無人航空機(UAV)が撮影したビデオのMOTは、小さな物体の大きさ、ぼやけた物体の外観、そして非常に大きくて不規則な動きのために依然として困難である。
我々はこれらの問題を緩和し、UAVビューで高速かつ正確なMOTに到達するためにFOLTを提案する。
論文 参考訳(メタデータ) (2023-08-14T15:24:44Z) - Flying Bird Object Detection Algorithm in Surveillance Video Based on
Motion Information [0.0]
監視ビデオでは、オブジェクトのサイズは小さい(低信号対雑音比(SNR))。
物体追跡アルゴリズムは、不審な飛行する鳥の物体を追跡し、その運動距離(MR)を計算するために使用される
同時に、不審飛行鳥物体のMRの大きさを移動速度に応じて適応的に調整する。
ASt-CubesをベースとしたLightWeight U-Shape Net (LW-USN)は、飛ぶ鳥の物体を検出するように設計されている。
論文 参考訳(メタデータ) (2023-01-05T05:32:22Z) - Finding a Needle in a Haystack: Tiny Flying Object Detection in 4K
Videos using a Joint Detection-and-Tracking Approach [19.59528430884104]
本稿では,検出と追跡を共同で行うrecurrent correlational networkと呼ばれるニューラルネットワークモデルを提案する。
鳥や無人航空機などの小さな飛行物体の画像を含むデータセットを用いた実験では、提案手法は一貫した改善をもたらした。
我々のネットワークは、鳥の画像データセットのトラッカーとして評価されたとき、最先端の汎用オブジェクトトラッカと同様に機能します。
論文 参考訳(メタデータ) (2021-05-18T03:22:03Z) - Weakly Supervised Video Salient Object Detection [79.51227350937721]
本稿では,relabeled relabeled "fixation guided scribble annotations" に基づく最初の弱教師付きビデオサリエント物体検出モデルを提案する。
効果的なマルチモーダル学習と長期時間文脈モデリングを実現するために,「アプレンス・モーション・フュージョン・モジュール」と双方向のConvLSTMベースのフレームワークを提案する。
論文 参考訳(メタデータ) (2021-04-06T09:48:38Z) - Ensembling object detectors for image and video data analysis [98.26061123111647]
本稿では,複数の物体検出器の出力をアンサンブルすることで,画像データ上の境界ボックスの検出性能と精度を向上させる手法を提案する。
本研究では,2段階追跡に基づく検出精度向上手法を提案することで,映像データに拡張する。
論文 参考訳(メタデータ) (2021-02-09T12:38:16Z) - 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) - BirdNet+: End-to-End 3D Object Detection in LiDAR Bird's Eye View [117.44028458220427]
自動運転車のオンボード3Dオブジェクト検出は、LiDARデバイスが捉えた幾何学情報に依存することが多い。
本稿では,BEV画像のみから指向性3Dボックスを推測可能な,エンドツーエンドの3Dオブジェクト検出フレームワークを提案する。
論文 参考訳(メタデータ) (2020-03-09T15:08:40Z)
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。