論文の概要: Intelligent Known and Novel Aircraft Recognition -- A Shift from
Classification to Similarity Learning for Combat Identification
- arxiv url: http://arxiv.org/abs/2402.16486v1
- Date: Mon, 26 Feb 2024 11:08:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-27 13:46:27.882737
- Title: Intelligent Known and Novel Aircraft Recognition -- A Shift from
Classification to Similarity Learning for Combat Identification
- Title（参考訳）: 知的な既知の新しい航空機認識 -- 戦闘識別のための分類から類似性学習へのシフト-
- Authors: Ahmad Saeed, Haasha Bin Atif, Usman Habib and Mohsin Bilal
- Abstract要約: 本研究は,ノウン型に加えて,ノベル/アンノウン型航空機の正確な認識について論じる。
ヒトの専門家による戦闘識別と画像分類の伝統的な手法は、新しいクラスを特定するのに不足している。
我々の手法は、軍用と民間の幅広い航空機の特徴を明らかにするために類似性学習を利用する。
- 参考スコア（独自算出の注目度）: 0.7841783185186357
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Precise aircraft recognition in low-resolution remote sensing imagery is a
challenging yet crucial task in aviation, especially combat identification.
This research addresses this problem with a novel, scalable, and AI-driven
solution. The primary hurdle in combat identification in remote sensing imagery
is the accurate recognition of Novel/Unknown types of aircraft in addition to
Known types. Traditional methods, human expert-driven combat identification and
image classification, fall short in identifying Novel classes. Our methodology
employs similarity learning to discern features of a broad spectrum of military
and civilian aircraft. It discerns both Known and Novel aircraft types,
leveraging metric learning for the identification and supervised few-shot
learning for aircraft type classification. To counter the challenge of limited
low-resolution remote sensing data, we propose an end-to-end framework that
adapts to the diverse and versatile process of military aircraft recognition by
training a generalized embedder in fully supervised manner. Comparative
analysis with earlier aircraft image classification methods shows that our
approach is effective for aircraft image classification (F1-score Aircraft Type
of 0.861) and pioneering for quantifying the identification of Novel types
(F1-score Bipartitioning of 0.936). The proposed methodology effectively
addresses inherent challenges in remote sensing data, thereby setting new
standards in dataset quality. The research opens new avenues for domain experts
and demonstrates unique capabilities in distinguishing various aircraft types,
contributing to a more robust, domain-adapted potential for real-time aircraft
recognition.
- Abstract（参考訳）: 低解像度リモートセンシング画像における高精度な航空機認識は、航空、特に戦闘識別において難しいが重要な課題である。
この研究は、新しい、スケーラブルで、AI駆動のソリューションでこの問題に対処する。
リモートセンシング画像における戦闘識別の最大の障害は、既知のタイプに加えて、新規/未知の航空機の正確な認識である。
ヒトの専門家による戦闘識別と画像分類の伝統的な手法は、新しいクラスを特定するのに不足している。
本手法は類似性学習を用いて,多種多様な軍用機と民間機の特徴を識別する。
既知の航空機タイプと新しい航空機タイプの両方を識別し、識別にメートル法学習を活用し、航空機タイプ分類のための少数ショット学習を監督する。
低解像度リモートセンシングデータの制限に対処するため,汎用組込み機を完全教師付きで訓練することにより,多種多様な軍用航空機認識プロセスに適応するエンドツーエンドフレームワークを提案する。
従来の航空機画像分類法と比較して,本手法は航空機画像分類(F1-score Aircraft Type of 0.861)と新規型識別(F1-score Bipartitioning of 0.936)の定量化に有効であることが示された。
提案手法は,リモートセンシングデータの固有の課題を効果的に解決し,データセット品質の新たな基準を設定する。
この研究は、ドメインの専門家のための新しい道を開き、様々な航空機を区別するユニークな能力を示し、より堅牢でドメインに適応した、リアルタイムの航空機認識に寄与する。
関連論文リスト
- Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
模倣攻撃は 不正な識別と その後の攻撃者の認証につながる
顔認識と同様に、模倣攻撃も機械学習で検出できる。
本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-08-27T07:26:10Z) - Auto-selected Knowledge Adapters for Lifelong Person Re-identification [54.42307214981537]
Lifelong Person Re-Identificationは、異なる時間と場所にわたる重複しないデータセットから継続的に学習するシステムを必要とする。
リハーサルのない、あるいはリハーサルベースの既存のアプローチは、依然として破滅的な忘れ込みの問題に悩まされている。
本稿では,知識アダプタを採用した新しいフレームワークであるAdalReIDと,生涯学習のためのパラメータフリー自動選択機構を提案する。
論文 参考訳（メタデータ） (2024-05-29T11:42:02Z) - MS-Net: A Multi-modal Self-supervised Network for Fine-Grained
Classification of Aircraft in SAR Images [8.54188605939881]
本稿では,航空機の細粒度分類のための新しいマルチモーダル自己教師ネットワーク(MS-Net)を提案する。
ラベルがない場合、提案アルゴリズムは17種類のエアクラフト分類タスクに対して88.46%の精度を達成する。
論文 参考訳（メタデータ） (2023-08-28T14:28:50Z) - Light Weight Character and Shape Recognition for Autonomous Drones [0.0]
本研究では, 偽陽性を防止し, 航空画像中のアルファ数値文字や形状の誤分類を最小限に抑える物体検出・分類パイプラインを提案する。
提案手法では,従来のコンピュータビジョン技術と教師なし機械学習手法を用いて地域提案を識別する。
論文 参考訳（メタデータ） (2022-08-14T08:22:41Z) - Novel Class Discovery without Forgetting [72.52222295216062]
我々は NCDwF: Novel Class Discovery without Forgetting の新たな実用的問題設定を特定し,定式化する。
ラベルのないデータから新しいカテゴリのインスタンスを段階的に発見する機械学習モデルを提案する。
CIFAR-10, CIFAR-100, ImageNet-1000に基づく実験プロトコルを導入し, 知識保持と新しいクラス発見のトレードオフを測定する。
論文 参考訳（メタデータ） (2022-07-21T17:54:36Z) - Improving performance of aircraft detection in satellite imagery while
limiting the labelling effort: Hybrid active learning [0.9379652654427957]
防衛分野では、衛星画像上の航空機検出はアナリストにとって貴重なツールである。
本稿では,ラベルに最も関連性の高いデータを選択するためのハイブリッドクラスタリング能動的学習手法を提案する。
本手法は,他の能動的学習法と比較して,優れた,あるいは競争力のある結果が得られることを示す。
論文 参考訳（メタデータ） (2022-02-10T08:24:07Z) - 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) - 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) - Airplane Type Identification Based on Mask RCNN and Drone Images [0.0]
本稿では,マスク領域畳み込みニューラルネットワークを用いた航空機の検出結果に基づいて,空港における航空機の種類を特定するための実践的なアプローチを提案する。
検出された平面の長さは、検出された平面の2つのファーセスト点の間の距離を測定することで計算することができる。
論文 参考訳（メタデータ） (2021-08-29T10:25:13Z) - Learning Open Set Network with Discriminative Reciprocal Points [70.28322390023546]
オープンセット認識は、事前に定義されたクラスからサンプルを同時に分類し、残りを「未知」として識別することを目的としている。
本稿では,各既知圏に対応するクラス外空間のポテンシャル表現であるReciprocal Pointを提案する。
相互点によって構成される有界空間に基づいて、未知のリスクは多圏相互作用によって減少する。
論文 参考訳（メタデータ） (2020-10-31T03:20:31Z)
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。