論文の概要: Benchmarking the Robustness of UAV Tracking Against Common Corruptions
- arxiv url: http://arxiv.org/abs/2403.11424v1
- Date: Mon, 18 Mar 2024 02:39:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-19 16:57:28.324103
- Title: Benchmarking the Robustness of UAV Tracking Against Common Corruptions
- Title（参考訳）: UAVトラッカーの共通破壊に対するロバスト性の評価
- Authors: Xiaoqiong Liu, Yunhe Feng, Shu Hu, Xiaohui Yuan, Heng Fan,
- Abstract要約: UAV-Cは、一般的な腐敗下でのUAVトラッカーの堅牢性を評価するためのベンチマークである。
汚職に対する既存のUAVトラッカーの堅牢性を理解するため,UAV-C上で12の代表的なアルゴリズムを広範囲に評価した。
- 参考スコア（独自算出の注目度）: 17.293119310665766
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The robustness of unmanned aerial vehicle (UAV) tracking is crucial in many tasks like surveillance and robotics. Despite its importance, little attention is paid to the performance of UAV trackers under common corruptions due to lack of a dedicated platform. Addressing this, we propose UAV-C, a large-scale benchmark for assessing robustness of UAV trackers under common corruptions. Specifically, UAV-C is built upon two popular UAV datasets by introducing 18 common corruptions from 4 representative categories including adversarial, sensor, blur, and composite corruptions in different levels. Finally, UAV-C contains more than 10K sequences. To understand the robustness of existing UAV trackers against corruptions, we extensively evaluate 12 representative algorithms on UAV-C. Our study reveals several key findings: 1) Current trackers are vulnerable to corruptions, indicating more attention needed in enhancing the robustness of UAV trackers; 2) When accompanying together, composite corruptions result in more severe degradation to trackers; and 3) While each tracker has its unique performance profile, some trackers may be more sensitive to specific corruptions. By releasing UAV-C, we hope it, along with comprehensive analysis, serves as a valuable resource for advancing the robustness of UAV tracking against corruption. Our UAV-C will be available at https://github.com/Xiaoqiong-Liu/UAV-C.
- Abstract（参考訳）: 無人航空機(UAV)の追跡の堅牢性は、監視やロボット工学といった多くのタスクにおいて不可欠である。
その重要性にもかかわらず、専用のプラットフォームがないため、一般的な汚職下でのUAVトラッカーの性能にはほとんど注意が払わない。
そこで我々は,UAVトラッカーのロバスト性を評価するための大規模ベンチマークであるUAV-Cを提案する。
具体的には、UAV-Cは2つの一般的なUAVデータセットの上に構築されており、敵、センサー、ぼかし、複合汚職を含む4つの代表的なカテゴリから18の共通の汚職を導入している。
最後に、UAV-Cは10K以上の配列を含む。
汚職に対する既存のUAVトラッカーの堅牢性を理解するため,UAV-C上で12の代表的なアルゴリズムを広範囲に評価した。
我々の研究は、いくつかの重要な発見を明らかにしている。
1) 現行のトラッカーは汚職に弱いため、UAVトラッカーの堅牢性を高めるために必要な注意がより高められている。
2 複合汚損によりトラッカーが格段に劣化するおそれがあるときは、
3) 各トラッカーには独自のパフォーマンスプロファイルがあるが、特定の汚職に対してより敏感なトラッカーもある。
UAV-Cをリリースすることによって、包括的な分析とともに、UAV追跡の汚職に対する堅牢性を高める貴重な資源となることを願っている。
UAV-Cはhttps://github.com/Xiaoqiong-Liu/UAV-Cで利用可能です。
関連論文リスト
- 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) - The 3rd Anti-UAV Workshop & Challenge: Methods and Results [65.9405033602133]
第3回反UAVワークショップ・チャレンジは、マルチスケール物体追跡の新しい高精度な手法の開発を奨励することを目的としている。
反UAVチャレンジで使用される反UAVデータセットが公開された。
論文 参考訳（メタデータ） (2023-05-12T07:37:04Z) - Learning to Compress Unmanned Aerial Vehicle (UAV) Captured Video:
Benchmark and Analysis [54.07535860237662]
本稿では,UAVビデオ符号化学習のための新しいタスクを提案し,そのようなタスクに対する包括的で体系的なベンチマークを構築する。
このベンチマークは、ドローンプラットフォームにおけるビデオコーディングの研究と開発を加速させるものと期待されている。
論文 参考訳（メタデータ） (2023-01-15T15:18:02Z) - Rank-Based Filter Pruning for Real-Time UAV Tracking [11.740436885164833]
無人航空機(UAV)の追跡は、農業、航法、公共の安全など、幅広い可能性を持つ。
識別相関フィルタ (DCF) トラッカーは, 高い効率性のため, UAV追跡コミュニティにおいて際立っている。
モデル圧縮は、DCFとディープラーニングベースのトラッカーのギャップを狭めるための有望な方法である。
論文 参考訳（メタデータ） (2022-07-05T02:13:53Z) - Vision-based Anti-UAV Detection and Tracking [18.307952561941942]
無人航空機(UAV)は様々な分野で広く使われており、セキュリティやプライバシーへの侵入が社会の関心を喚起している。
本稿では,ダリアン工科大学アンチUAVデータセット,DUTアンチUAVという可視光モードデータセットを提案する。
検出データセットには、合計1万の画像と、短期および長期のシーケンスを含む20のビデオの追跡データセットが含まれている。
論文 参考訳（メタデータ） (2022-05-22T15:21:45Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - Attention-based Reinforcement Learning for Real-Time UAV Semantic
Communication [53.46235596543596]
移動地利用者に対する空対地超信頼性・低遅延通信(URLLC)の問題点について検討する。
グラフアテンション交換ネットワーク(GAXNet)を用いたマルチエージェント深層強化学習フレームワークを提案する。
GAXNetは、最先端のベースラインフレームワークと比較して、0.0000001エラー率で6.5倍のレイテンシを実現している。
論文 参考訳（メタデータ） (2021-05-22T12:43:25Z) - 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)
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。