論文の概要: A Comprehensive Review on Computer Vision Analysis of Aerial Data
- arxiv url: http://arxiv.org/abs/2402.09781v1
- Date: Thu, 15 Feb 2024 08:10:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-16 16:28:12.131284
- Title: A Comprehensive Review on Computer Vision Analysis of Aerial Data
- Title（参考訳）: 航空データのコンピュータビジョン解析に関する総合的考察
- Authors: Vivek Tetarwal, Sandeep Kumar
- Abstract要約: 本稿では,航空データ解析分野におけるコンピュータビジョンタスクについて概説する。
本稿では、様々なアーキテクチャやタスクにまたがる様々なハイパーパラメータの比較を行う。
本論文は, 航空データ解析に固有の課題を徹底的に検討し, 実用的な解決策を提供する。
- 参考スコア（独自算出の注目度）: 3.1537607776738605
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With the emergence of new technologies in the field of airborne platforms and
imaging sensors, aerial data analysis is becoming very popular, capitalizing on
its advantages over land data. This paper presents a comprehensive review of
the computer vision tasks within the domain of aerial data analysis. While
addressing fundamental aspects such as object detection and tracking, the
primary focus is on pivotal tasks like change detection, object segmentation,
and scene-level analysis. The paper provides the comparison of various hyper
parameters employed across diverse architectures and tasks. A substantial
section is dedicated to an in-depth discussion on libraries, their
categorization, and their relevance to different domain expertise. The paper
encompasses aerial datasets, the architectural nuances adopted, and the
evaluation metrics associated with all the tasks in aerial data analysis.
Applications of computer vision tasks in aerial data across different domains
are explored, with case studies providing further insights. The paper
thoroughly examines the challenges inherent in aerial data analysis, offering
practical solutions. Additionally, unresolved issues of significance are
identified, paving the way for future research directions in the field of
aerial data analysis.
- Abstract（参考訳）: 航空機用プラットフォームや撮像センサーの分野で新しい技術が出現し、航空データ解析が人気を博し、陸上データよりも有利な技術が活用されている。
本稿では,航空データ分析分野におけるコンピュータビジョンタスクの包括的レビューを行う。
オブジェクト検出やトラッキングといった基本的な側面に対処する一方で、主な焦点は、変更検出、オブジェクトセグメンテーション、シーンレベルの分析といった重要なタスクである。
この論文は、様々なアーキテクチャとタスクにまたがる様々なハイパーパラメータの比較を提供する。
実質的なセクションは、ライブラリ、それらの分類、そしてそれらの異なるドメインの専門知識との関連に関する詳細な議論に捧げられている。
本論文は, 航空データセット, 建築上のニュアンス, および, 航空データ解析におけるすべてのタスクに関連する評価指標を包含する。
異なる領域にわたる航空データにおけるコンピュータビジョンタスクの応用について検討し、ケーススタディがさらなる洞察を与えている。
本論文は, 航空データ解析に固有の課題を徹底的に検討し, 実用的な解決策を提供する。
さらに、航空データ分析の分野における今後の研究方向の道を開くために、未解決の重要課題が特定される。
関連論文リスト
- "Show Me What's Wrong!": Combining Charts and Text to Guide Data Analysis [4.016592757754338]
金融詐欺検出の文脈では、アナリストは取引データの中で不審な活動を素早く特定する必要がある。
これは、パターンの認識、グループ化、比較といった複雑な探索的なタスクからなる反復的なプロセスである。
これらのステップに固有の情報の過負荷を軽減するため、自動化された情報ハイライト、大規模言語モデルが生成するテキストインサイト、視覚分析を組み合わせたツールを提案する。
論文 参考訳（メタデータ） (2024-10-01T14:16:10Z) - A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。
多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
論文 参考訳（メタデータ） (2024-05-30T04:46:40Z) - 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) - A Machine-Learning-Aided Visual Analysis Workflow for Investigating Air
Pollution Data [18.972547412113567]
大気汚染データの分析は、特徴(何)、空間(どこに)、時間(いつ)といった様々な側面からの分析に焦点を当てているため、困難である。
我々は、フレキシブルな分析ワークフローをサポートするビジュアル分析システムを開発し、ドメインの専門家が分析ニーズに基づいて様々な側面を自由に探索できるようにする。
論文 参考訳（メタデータ） (2022-02-11T02:24:21Z) - The State of Aerial Surveillance: A Survey [62.198765910573556]
本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。
主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
論文 参考訳（メタデータ） (2022-01-09T20:13:27Z) - Fine-Grained Image Analysis with Deep Learning: A Survey [146.22351342315233]
きめ細かい画像解析(FGIA)は、コンピュータビジョンとパターン認識における長年の根本的な問題である。
本稿では、FGIAの分野を再定義し、FGIAの2つの基礎研究領域、細粒度画像認識と細粒度画像検索を統合することで、FGIAの分野を広げようとしている。
論文 参考訳（メタデータ） (2021-11-11T09:43:56Z) - Automatic Gaze Analysis: A Survey of DeepLearning based Approaches [61.32686939754183]
視線分析はコンピュータビジョンとヒューマン・コンピュータ・インタラクションの分野で重要な研究課題である。
制約のない環境で視線方向を解釈するための重要な手がかりは何か、いくつかのオープンな質問がある。
我々は、これらの基本的な疑問に光を当てるために、様々な視線分析タスクと応用の進捗を概観する。
論文 参考訳（メタデータ） (2021-08-12T00:30:39Z) - Unsupervised Domain Adaption of Object Detectors: A Survey [87.08473838767235]
近年のディープラーニングの進歩は、様々なコンピュータビジョンアプリケーションのための正確で効率的なモデルの開発につながっている。
高度に正確なモデルを学ぶには、大量の注釈付きイメージを持つデータセットの可用性に依存する。
このため、ラベルスカースデータセットに視覚的に異なる画像がある場合、モデルの性能は大幅に低下する。
論文 参考訳（メタデータ） (2021-05-27T23:34:06Z) - Review of data analysis in vision inspection of power lines with an
in-depth discussion of deep learning technology [16.224505272448802]
無人航空機の普及により、大量の電力線検査データを収集することができる。
大規模な検査データ、特に可視画像を用いて、電力伝送の信頼性、安全性、持続可能性を維持することは、迫力のある問題である。
本稿では,現在の文献を概観し,今後の研究課題を明らかにする。
論文 参考訳（メタデータ） (2020-03-22T04:09:59Z)
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。