論文の概要: EVD4UAV: An Altitude-Sensitive Benchmark to Evade Vehicle Detection in UAV
- arxiv url: http://arxiv.org/abs/2403.05422v2
- Date: Mon, 22 Jul 2024 18:02:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-24 22:53:21.590656
- Title: EVD4UAV: An Altitude-Sensitive Benchmark to Evade Vehicle Detection in UAV
- Title（参考訳）: EVD4UAV:UAVにおける車両検出の高感度ベンチマーク
- Authors: Huiming Sun, Jiacheng Guo, Zibo Meng, Tianyun Zhang, Jianwu Fang, Yuewei Lin, Hongkai Yu,
- Abstract要約: 無人航空機(UAV)の撮影画像における車両検出は、航空写真やリモートセンシングに広く応用されている。
近年の研究では、物体に対向パッチを加えることで、よく訓練されたディープニューラルネットワークベースの物体検出器を騙すことが示されている。
UAVにおける車両検出を回避するための高度感度ベンチマークとしてEVD4UAVという新しいデータセットを提案する。
- 参考スコア（独自算出の注目度）: 19.07281015014683
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vehicle detection in Unmanned Aerial Vehicle (UAV) captured images has wide applications in aerial photography and remote sensing. There are many public benchmark datasets proposed for the vehicle detection and tracking in UAV images. Recent studies show that adding an adversarial patch on objects can fool the well-trained deep neural networks based object detectors, posing security concerns to the downstream tasks. However, the current public UAV datasets might ignore the diverse altitudes, vehicle attributes, fine-grained instance-level annotation in mostly side view with blurred vehicle roof, so none of them is good to study the adversarial patch based vehicle detection attack problem. In this paper, we propose a new dataset named EVD4UAV as an altitude-sensitive benchmark to evade vehicle detection in UAV with 6,284 images and 90,886 fine-grained annotated vehicles. The EVD4UAV dataset has diverse altitudes (50m, 70m, 90m), vehicle attributes (color, type), fine-grained annotation (horizontal and rotated bounding boxes, instance-level mask) in top view with clear vehicle roof. One white-box and two black-box patch based attack methods are implemented to attack three classic deep neural networks based object detectors on EVD4UAV. The experimental results show that these representative attack methods could not achieve the robust altitude-insensitive attack performance.
- Abstract（参考訳）: 無人航空機(UAV)の撮影画像における車両検出は、航空写真やリモートセンシングに広く応用されている。
UAV画像の車両検出と追跡のために、多くの公開ベンチマークデータセットが提案されている。
近年の研究では、オブジェクトに敵のパッチを加えることで、よく訓練されたディープニューラルネットワークベースのオブジェクト検出器を騙し、下流のタスクにセキュリティ上の懸念を生じさせることが示されている。
しかし、現在のUAVデータセットは、様々な高度、車両特性、細かいインスタンスレベルのアノテーションを、ぼやけた車両屋根の側面で無視する可能性があるため、敵のパッチベースの車両検知攻撃問題を研究するのに良いものはない。
本稿では6,284枚の画像と90,886枚の微粒化アノテート車両を用いたUAVにおける車両検出を回避するための高度感度ベンチマークとしてEVD4UAVという新しいデータセットを提案する。
EVD4UAVデータセットは、さまざまな高度(50m、70m、90m)、車両属性(色、型)、細粒度アノテーション(水平および回転するバウンディングボックス、インスタンスレベルのマスク)を、車両の屋根が透明である。
1つのホワイトボックスと2つのブラックボックスパッチベースの攻撃方法は、EVD4UAV上の3つの古典的なディープニューラルネットワークベースのオブジェクト検出器を攻撃するために実装されている。
実験結果から,これらの代表的な攻撃方法は高高度無感な攻撃性能が得られないことが示唆された。
関連論文リスト
- Effective and Efficient Adversarial Detection for Vision-Language Models via A Single Vector [97.92369017531038]
Diverse hArmful Responses (RADAR) を用いた新しい laRge-scale Adervsarial 画像データセットを構築した。
そこで我々は,視覚言語モデル (VLM) の隠れ状態から抽出した1つのベクトルを利用して,入力中の良質な画像に対して対向画像を検出する,新しいiN時間埋め込み型AdveRSarial Image Detectction (NEARSIDE) 法を開発した。
論文 参考訳（メタデータ） (2024-10-30T10:33:10Z) - UAVDB: Trajectory-Guided Adaptable Bounding Boxes for UAV Detection [0.03464344220266879]
パッチ強度収束(Patch Intensity Convergence、PIC)技術は、手動ラベリングなしでUAV検出のための高忠実なバウンディングボックスを生成する。
この技術は、UAV検出に特化した専用データベースであるUAVDBの基礎となる。
我々は,最先端(SOTA)YOLO系列検出器を用いてUAVDBをベンチマークし,総合的な性能解析を行った。
論文 参考訳（メタデータ） (2024-09-09T13:27:53Z) - 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) - Evidential Detection and Tracking Collaboration: New Problem, Benchmark
and Algorithm for Robust Anti-UAV System [56.51247807483176]
無人航空機(UAV)は輸送、監視、軍事など多くの地域で広く使われている。
従来は、UAVの先行情報が常に提供されていた追跡問題として、このようなアンチUAVタスクを単純化していた。
本稿では,従来のUAV情報を含まない複雑な場面において,UAVの認識を特徴とする新しい実用的対UAV問題を初めて定式化する。
論文 参考訳（メタデータ） (2023-06-27T19:30:23Z) - 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) - UAV-ReID: A Benchmark on Unmanned Aerial Vehicle Re-identification [21.48667873335246]
近年のディープラーニング開発により、視覚ベースの対UAVシステムは単一のカメラでUAVを検出し、追跡することができる。
単一のカメラのカバー範囲は限られており、カメラ間のUAVにマッチするマルチカメラ構成が必要である。
我々は,この新興地域での機械学習ソリューションの開発を容易にする,UAV-reIDという新しいUAV再識別データセットを提案する。
論文 参考訳（メタデータ） (2021-04-13T14:13:09Z) - Anti-UAV: A Large Multi-Modal Benchmark for UAV Tracking [59.06167734555191]
Unmanned Aerial Vehicle (UAV)は、商業とレクリエーションの両方に多くの応用を提供している。
我々は、UAVを追跡し、位置や軌道などの豊富な情報を提供するという課題を考察する。
300以上のビデオペアが580k以上の手動で注釈付きバウンディングボックスを含むデータセット、Anti-UAVを提案します。
論文 参考訳（メタデータ） (2021-01-21T07:00:15Z) - 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) - MOR-UAV: A Benchmark Dataset and Baselines for Moving Object Recognition
in UAV Videos [12.25388945174071]
本稿では,空中映像における物体認識のための大規模ビデオデータセットであるMOR-UAVを紹介する。
さまざまなシナリオで10,948フレームからなる30UAVビデオから収集した89,783件の移動オブジェクトインスタンスに注釈を付ける。
UAVビデオにおけるMORのための深い統合フレームワークMOR-UAVNetを提案する。
論文 参考訳（メタデータ） (2020-08-04T17:02:29Z) - Physically Realizable Adversarial Examples for LiDAR Object Detection [72.0017682322147]
本稿では,LiDAR検出器を騙すために,汎用な3次元対向物体を生成する手法を提案する。
特に,LiDAR検出器から車両を完全に隠蔽するために,車両の屋根上に対向物体を配置し,その成功率は80%であることを示した。
これは、限られたトレーニングデータから見知らぬ条件下での、より安全な自動運転への一歩だ。
論文 参考訳（メタデータ） (2020-04-01T16:11:04Z)
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。