論文の概要: DisBeaNet: A Deep Neural Network to augment Unmanned Surface Vessels for maritime situational awareness
- arxiv url: http://arxiv.org/abs/2405.06149v2
- Date: Fri, 17 May 2024 20:38:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-21 20:25:40.045335
- Title: DisBeaNet: A Deep Neural Network to augment Unmanned Surface Vessels for maritime situational awareness
- Title（参考訳）: DisBeaNet: 海洋環境認識のための無人表面容器を増強するディープニューラルネットワーク
- Authors: Srikanth Vemula, Eulises Franco, Michael Frye,
- Abstract要約: 本稿では,海洋環境における船舶の検知・追跡のための低コスト視覚認識システムを提案する。
ニューラルネットワークであるDisBeaNetは、血管を検出し、追跡し、単眼カメラから血管の距離と軸受を推定することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Intelligent detection and tracking of the vessels on the sea play a significant role in conducting traffic avoidance in unmanned surface vessels(USV). Current traffic avoidance software relies mainly on Automated Identification System (AIS) and radar to track other vessels to avoid collisions and acts as a typical perception system to detect targets. However, in a contested environment, emitting radar energy also presents the vulnerability to detection by adversaries. Deactivating these Radiofrequency transmitting sources will increase the threat of detection and degrade the USV's ability to monitor shipping traffic in the vicinity. Therefore, an intelligent visual perception system based on an onboard camera with passive sensing capabilities that aims to assist USV in addressing this problem is presented in this paper. This paper will present a novel low-cost vision perception system for detecting and tracking vessels in the maritime environment. This novel low-cost vision perception system is introduced using the deep learning framework. A neural network, DisBeaNet, can detect vessels, track, and estimate the vessel's distance and bearing from the monocular camera. The outputs obtained from this neural network are used to determine the latitude and longitude of the identified vessel.
- Abstract（参考訳）: 海上の船舶のインテリジェントな検出と追跡は、無人表面船(USV)の交通回避に重要な役割を果たしている。
現在の交通回避ソフトウェアは、主に自動識別システム(AIS)とレーダーに依存し、衝突を避けるために他の船舶を追跡し、ターゲットを検出する典型的な認識システムとして機能する。
しかし、競合する環境では、レーダーエネルギーの放出もまた敵による検出の脆弱性を示す。
これらの高周波送信源を非活性化すると、検出の脅威が増大し、付近の船舶の交通をモニターするUSVの能力が低下する。
そこで本論文では,この問題に対処するためのUSV支援を目的とした受動センシング機能を備えた搭載カメラを用いた知的視覚認識システムについて述べる。
本稿では,海洋環境における船舶の検知・追跡のための低コスト視覚認識システムを提案する。
この新しい低コスト視覚認識システムはディープラーニングフレームワークを用いて導入される。
ニューラルネットワークであるDisBeaNetは、血管を検出し、追跡し、単眼カメラから血管の距離と軸受を推定することができる。
このニューラルネットワークから得られる出力は、特定された容器の緯度と経度を決定するために使用される。
関連論文リスト
- OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。
この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。
本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T18:30:29Z) - Floor extraction and door detection for visually impaired guidance [78.94595951597344]
未知の環境で障害物のない経路を見つけることは、視覚障害者や自律ロボットにとって大きなナビゲーション問題である。
コンピュータビジョンシステムに基づく新しいデバイスは、障害のある人が安全な環境で未知の環境でナビゲートすることの難しさを克服するのに役立つ。
本研究では,視覚障害者のためのナビゲーションシステムの構築につながるセンサとアルゴリズムの組み合わせを提案する。
論文 参考訳（メタデータ） (2024-01-30T14:38:43Z) - Vision-Based Autonomous Navigation for Unmanned Surface Vessel in
Extreme Marine Conditions [2.8983738640808645]
本稿では,極端海洋環境下での目標物追跡のための自律的視覚に基づくナビゲーション・フレームワークを提案する。
提案手法は砂嵐や霧による可視性低下下でのシミュレーションで徹底的に検証されている。
結果は、ベンチマークしたMBZIRCシミュレーションデータセット全体にわたる最先端のデハージング手法と比較される。
論文 参考訳（メタデータ） (2023-08-08T14:25:13Z) - Automatized marine vessel monitoring from sentinel-1 data using
convolution neural network [0.0]
本稿では,ウェーブレット変換に基づく畳み込みニューラルネットワークによるSAR画像からの物体認識手法を提案する。
Sentinel-1 SAR-Cによるインド西部沿岸域の二重分極データ取得を含む。
論文 参考訳（メタデータ） (2023-04-23T18:09:44Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - NVRadarNet: Real-Time Radar Obstacle and Free Space Detection for
Autonomous Driving [57.03126447713602]
本稿では,自動車のRADARセンサを用いて動的障害物や乾燥可能な自由空間を検出するディープニューラルネットワーク(DNN)を提案する。
ネットワークは組み込みGPU上でリアルタイムよりも高速に動作し、地理的領域にわたって優れた一般化を示す。
論文 参考訳（メタデータ） (2022-09-29T01:30:34Z) - R4Dyn: Exploring Radar for Self-Supervised Monocular Depth Estimation of
Dynamic Scenes [69.6715406227469]
駆動シナリオにおける自己教師付き単眼深度推定は、教師付きアプローチに匹敵する性能を達成した。
本稿では,自己監督型深度推定フレームワーク上に費用効率の高いレーダデータを利用する新しい手法であるR4Dynを提案する。
論文 参考訳（メタデータ） (2021-08-10T17:57:03Z) - 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) - Complex-valued Convolutional Neural Networks for Enhanced Radar Signal
Denoising and Interference Mitigation [73.0103413636673]
本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。
CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
論文 参考訳（メタデータ） (2021-04-29T10:06:29Z) - Driver Safety Development Real Time Driver Drowsiness Detection System
Based on Convolutional Neural Network [1.7188280334580195]
本稿では,道路上での運転者の安全に関する課題に焦点をあて,眠気検知のための新しいシステムを提案する。
眠気の兆候としてドライバの睡眠状態を検出するために、畳み込みニューラルネットワーク(CNN)を用いる。
論文 参考訳（メタデータ） (2020-01-15T05:38:24Z) - Dynamic Radar Network of UAVs: A Joint Navigation and Tracking Approach [36.587096293618366]
新たな問題は、建物の後ろに隠れている無人小型無人航空機(UAV)を追跡することである。
本稿では,悪意のある標的のリアルタイムかつ高精度な追跡のためのUAVの動的レーダネットワークを提案する。
論文 参考訳（メタデータ） (2020-01-13T23:23:09Z)
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。