Fugu-MT 論文翻訳(概要): Towards Real-Time Fast Unmanned Aerial Vehicle Detection Using Dynamic Vision Sensors

論文の概要: Towards Real-Time Fast Unmanned Aerial Vehicle Detection Using Dynamic Vision Sensors

arxiv url: http://arxiv.org/abs/2403.11875v1
Date: Mon, 18 Mar 2024 15:27:58 GMT
ステータス: 処理完了
システム内更新日: 2024-03-20 19:50:22.612918
Title: Towards Real-Time Fast Unmanned Aerial Vehicle Detection Using Dynamic Vision Sensors
Title（参考訳）: ダイナミックビジョンセンサを用いた高速無人航空機の実時間検出に向けて
Authors: Jakub Mandula, Jonas Kühne, Luca Pascarella, Michele Magno,
Abstract要約: 無人航空機(UAV)は民間や軍事用途で人気を集めている。 UAVの予防と検出は、機密性と安全性を保証するために重要である。本稿では,F-UAV-D(Fast Unmanned Aerial Vehicle Detector)を提案する。
参考スコア（独自算出の注目度）: 6.03212980984729
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Unmanned Aerial Vehicles (UAVs) are gaining popularity in civil and military applications. However, uncontrolled access to restricted areas threatens privacy and security. Thus, prevention and detection of UAVs are pivotal to guarantee confidentiality and safety. Although active scanning, mainly based on radars, is one of the most accurate technologies, it can be expensive and less versatile than passive inspections, e.g., object recognition. Dynamic vision sensors (DVS) are bio-inspired event-based vision models that leverage timestamped pixel-level brightness changes in fast-moving scenes that adapt well to low-latency object detection. This paper presents F-UAV-D (Fast Unmanned Aerial Vehicle Detector), an embedded system that enables fast-moving drone detection. In particular, we propose a setup to exploit DVS as an alternative to RGB cameras in a real-time and low-power configuration. Our approach leverages the high-dynamic range (HDR) and background suppression of DVS and, when trained with various fast-moving drones, outperforms RGB input in suboptimal ambient conditions such as low illumination and fast-moving scenes. Our results show that F-UAV-D can (i) detect drones by using less than <15 W on average and (ii) perform real-time inference (i.e., <50 ms) by leveraging the CPU and GPU nodes of our edge computer.
Abstract（参考訳）: 無人航空機(UAV)は民間や軍事用途で人気を集めている。しかし、制限区域への制御されていないアクセスは、プライバシーとセキュリティを脅かす。したがって、UAVの防止と検出は、機密性と安全性を保証するために重要である。レーダーをベースとした能動走査は最も精度の高い技術であるが、受動的検査(例えば物体認識)よりも高価で汎用性が低い。ダイナミックビジョンセンサー(Dynamic Vision Sensor, DVS)は、低遅延物体検出によく適応する高速移動シーンにおいて、タイムスタンプによる画素レベルの明るさ変化を利用する、バイオインスパイアされたイベントベースの視覚モデルである。本稿では,F-UAV-D(Fast Unmanned Aerial Vehicle Detector)を提案する。特に、リアルタイム・低消費電力構成におけるRGBカメラの代替としてDVSを利用するためのセットアップを提案する。提案手法は,DVSの高ダイナミックレンジ(HDR)と背景抑制を活用し,様々な高速移動ドローンを用いて訓練すると,低照度や高速移動シーンなどの環境条件下でRGB入力より優れる。 F-UAV-Dが有効であることを示す。 (i)平均15W未満でドローンを検出すること。 i)エッジコンピュータのCPUとGPUノードを活用することにより、リアルタイム推論(50ms)を行う。

関連論文リスト

Neuromorphic Drone Detection: an Event-RGB Multimodal Approach [25.26674905726921]
ニューロモルフィックカメラは、RGBカメラにとって困難な状況において、正確で豊かな時間的情報を保持できる。マルチモーダルデータを活用することにより,両ドメインを統合化するための新しいモデルを提案する。 NeRDD(Neuromorphic-RGB Drone Detection)もリリースした。
論文参考訳（メタデータ） (2024-09-24T13:53:20Z)
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)
Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
論文参考訳（メタデータ） (2024-05-07T20:44:48Z)
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)
TF-Net: Deep Learning Empowered Tiny Feature Network for Night-time UAV Detection [10.43480599406243]
本稿では、深層学習に基づくTinyFeatureNet(TF-Net)を用いて、夜間に赤外線画像を用いてUAVを正確に検出する。その結果,提案するTF-Netの性能は,精度,IoU,GFLOPS,モデルサイズ,FPSで向上した。
論文参考訳（メタデータ） (2022-11-29T15:58:36Z)
TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
論文参考訳（メタデータ） (2022-10-16T03:05:13Z)
Drone Detection and Tracking in Real-Time by Fusion of Different Sensing Modalities [66.4525391417921]
マルチセンサ・ドローン検知システムの設計と評価を行う。われわれのソリューションは、魚眼カメラを統合し、空の広い部分を監視し、他のカメラを興味ある対象に向けて操縦する。このサーマルカメラは、たとえこのカメラが解像度が低いとしても、ビデオカメラと同じくらい実現可能なソリューションであることが示されている。
論文参考訳（メタデータ） (2022-07-05T10:00:58Z)
Fail-Safe Human Detection for Drones Using a Multi-Modal Curriculum Learning Approach [1.094245191265935]
KUL-UAVSAFEは、ドローンによる安全クリティカルな人検出の研究のための第一種データセットである。本稿では,クロスフュージョンハイウェイを用いたCNNアーキテクチャを提案し,マルチモーダルデータのためのカリキュラム学習戦略を提案する。
論文参考訳（メタデータ） (2021-09-28T12:34:13Z)
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)
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)
Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
論文参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。