論文の概要: Efficient Multi-branch Segmentation Network for Situation Awareness in Autonomous Navigation

• arxiv url: http://arxiv.org/abs/2404.00366v1
• Date: Sat, 30 Mar 2024 13:38:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-04 04:10:32.489793
• Title: Efficient Multi-branch Segmentation Network for Situation Awareness in Autonomous Navigation
• Title（参考訳）: 自律走行における状況認識のための効率的なマルチブランチセグメンテーションネットワーク
• Authors: Guan-Cheng Zhou, Chen Chengb, Yan-zhou Chena,
• Abstract要約: この研究は、海上の港湾環境でUSVや無人航空機から視点を捉えたデータセットを構築した。 統計的解析により、海と空の分布と行の位置情報の間に高い相関が示された。 列位置符号化モジュール(RPEM)を用いた3分岐セマンティックセマンティックセマンティクスネットワークを提案し,海と空の間の予測精度を向上した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-time and high-precision situational awareness technology is critical for autonomous navigation of unmanned surface vehicles (USVs). In particular, robust and fast obstacle semantic segmentation methods are essential. However, distinguishing between the sea and the sky is challenging due to the differences between port and maritime environments. In this study, we built a dataset that captured perspectives from USVs and unmanned aerial vehicles in a maritime port environment and analysed the data features. Statistical analysis revealed a high correlation between the distribution of the sea and sky and row positional information. Based on this finding, a three-branch semantic segmentation network with a row position encoding module (RPEM) was proposed to improve the prediction accuracy between the sea and the sky. The proposed RPEM highlights the effect of row coordinates on feature extraction. Compared to the baseline, the three-branch network with RPEM significantly improved the ability to distinguish between the sea and the sky without significantly reducing the computational speed.
• Abstract（参考訳）: リアルタイムかつ高精度な状況認識技術は無人表面車両(USV)の自律走行に不可欠である。 特に、堅牢で高速な障害物セマンティックセマンティクス法が不可欠である。 しかし、港と海洋環境の違いから、海と空を区別することは困難である。 本研究では,海上の港湾環境でUSVや無人航空機の視点を捉え,データの特徴を解析するデータセットを構築した。 統計的解析により、海と空の分布と行の位置情報の間に高い相関が示された。 このことから,海と空の間の予測精度を向上させるために,行位置符号化モジュール(RPEM)を備えた3分岐セマンティックセマンティックセマンティックセマンティクスネットワークを提案した。 提案したRPEMは,行座標が特徴抽出に与える影響を強調した。 ベースラインと比較して、RPEMを用いた3分岐ネットワークは、計算速度を著しく低下させることなく、海と空を区別する能力を大幅に向上させた。

関連論文リスト

• Introducing VaDA: Novel Image Segmentation Model for Maritime Object Segmentation Using New Dataset [3.468621550644668]
  海上輸送産業はコンピュータビジョン人工知能(AI)の進歩によって急速に進化している 海洋環境における物体認識は、光の反射、干渉、激しい照明、様々な気象条件といった課題に直面します。 既存のAI認識モデルとデータセットは、自律ナビゲーションシステムを構成するのに限定的に適している。
  論文  参考訳（メタデータ） (2024-07-12T05:48:53Z)
• A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
  様々な動物が環境の手がかりを使って正確なナビゲーションをしている。 動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。 提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
  論文  参考訳（メタデータ） (2024-02-06T13:20:56Z)
• Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
  本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。 このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。 我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-05-22T07:09:35Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• Unsupervised Spike Depth Estimation via Cross-modality Cross-domain Knowledge Transfer [53.413305467674434]
  スパイク深度推定をサポートするためにオープンソースのRGBデータを導入し,そのアノテーションと空間情報を活用する。 教師なしスパイク深さ推定を実現するために,クロスモーダルクロスドメイン(BiCross)フレームワークを提案する。 提案手法は,RGB指向の教師なし深度推定法と比較して,最先端(SOTA)性能を実現する。
  論文  参考訳（メタデータ） (2022-08-26T09:35:20Z)
• A Transfer Learning-Based Approach to Marine Vessel Re-Identification [0.0]
  本稿では, 海上における船舶の揺れ状況をシミュレーションし, 移動動的アライメントアルゴリズムを提案する。 平均平均精度(mAP)を10.2%改善し、最初のヒットレート(Rank1)を4.9%改善する。
  論文  参考訳（メタデータ） (2022-07-29T06:36:10Z)
• Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
  現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。 大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。 低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
  論文  参考訳（メタデータ） (2021-10-28T14:12:10Z)
• Safe Vessel Navigation Visually Aided by Autonomous Unmanned Aerial Vehicles in Congested Harbors and Waterways [9.270928705464193]
  この研究は、従来のRGBカメラと補助的な絶対位置決めシステム(GPSなど)で捉えた長距離視覚データから未知の物体までの距離を検知し推定する最初の試みである。 シミュレーション結果は,UAV支援艦艇の視覚支援航法における提案手法の精度と有効性を示すものである。
  論文  参考訳（メタデータ） (2021-08-09T08:15:17Z)
• Hyperspectral and Multispectral Classification for Coastal Wetland Using Depthwise Feature Interaction Network [20.896413926049398]
  湿地分類にはDFINet(Deepwise Feature Interaction Network)が提案されている。 DFINetは一貫性損失、識別損失、分類損失の調整によって最適化される。 2つのハイパースペクトルおよびマルチスペクトルウェットランドデータセットの総合的な実験結果から、提案したDFINetは総合的精度で他の競合手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-06-13T01:56:28Z)
• GANav: Group-wise Attention Network for Classifying Navigable Regions in Unstructured Outdoor Environments [54.21959527308051]
  本稿では,RGB画像から,オフロード地形および非構造環境における安全かつ航行可能な領域を識別する新しい学習手法を提案する。 本手法は,粒度の粗いセマンティックセグメンテーションを用いて,そのナビビリティレベルに基づいて地形分類群を分類する。 RUGD と RELLIS-3D のデータセットを広範囲に評価することにより,我々の学習アルゴリズムがナビゲーションのためのオフロード地形における視覚知覚の精度を向上させることを示す。
  論文  参考訳（メタデータ） (2021-03-07T02:16:24Z)

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。