Fugu-MT 論文翻訳(概要): Camera-Pose Robust Crater Detection from Chang'e 5

論文の概要: Camera-Pose Robust Crater Detection from Chang'e 5

arxiv url: http://arxiv.org/abs/2406.04569v2
Date: Fri, 12 Jul 2024 09:09:39 GMT
ステータス: 処理完了
システム内更新日: 2024-07-16 04:27:56.943170
Title: Camera-Pose Robust Crater Detection from Chang'e 5
Title（参考訳）: チャン5号機からのカメラパスロバストクレーター検出
Authors: Matthew Rodda, Sofia McLeod, Ky Cuong Pham, Tat-Jun Chin,
Abstract要約: 本研究では, クレーター検出のためのMask R-CNNの性能評価を行い, 外部視角を含む模擬データに基づく事前学習モデルと実画像による事前学習モデルを比較した。実画像に対する事前トレーニングは, 外部視角を含む画像が欠如しているにもかかわらず, 63.1F1スコアの検知性能と0.701交叉の楕円回帰性能を実現しているにもかかわらず, 優れていることを示す。
参考スコア（独自算出の注目度）: 18.986915927640396
License: http://creativecommons.org/licenses/by/4.0/
Abstract: As space missions aim to explore increasingly hazardous terrain, accurate and timely position estimates are required to ensure safe navigation. Vision-based navigation achieves this goal through correlating impact craters visible through onboard imagery with a known database to estimate a craft's pose. However, existing literature has not sufficiently evaluated crater-detection algorithm (CDA) performance from imagery containing off-nadir view angles. In this work, we evaluate the performance of Mask R-CNN for crater detection, comparing models pretrained on simulated data containing off-nadir view angles and to pretraining on real-lunar images. We demonstrate pretraining on real-lunar images is superior despite the lack of images containing off-nadir view angles, achieving detection performance of 63.1 F1-score and ellipse-regression performance of 0.701 intersection over union. This work provides the first quantitative analysis of performance of CDAs on images containing off-nadir view angles. Towards the development of increasingly robust CDAs, we additionally provide the first annotated CDA dataset with off-nadir view angles from the Chang'e 5 Landing Camera.
Abstract（参考訳）: 宇宙ミッションはますます危険な地形を探索することを目的としており、安全な航法を確保するには正確な位置推定とタイムリーな位置推定が必要である。視覚に基づくナビゲーションは、船上の画像から見える衝突クレーターと既知のデータベースを関連付けて、機体の姿勢を推定することで、この目標を達成する。しかし、既存の文献では、外部視角を含む画像からクレーター検出アルゴリズム(CDA)の性能を十分に評価していない。本研究では, クレーター検出のためのMask R-CNNの性能評価を行い, 外部視角を含む模擬データに基づく事前学習モデルと実画像による事前学習モデルを比較した。実画像に対する事前トレーニングは, 外部視角を含む画像が欠如しているにもかかわらず, 63.1F1スコアの検知性能と0.701交叉の楕円回帰性能を実現しているにもかかわらず, 優れていることを示す。本研究は,外部視角を含む画像上でのCDAの性能を定量的に解析した最初のものである。ますますロバストなCDAの開発に向けて、Chang'e 5 Landing Cameraからの外部視角を持つ最初の注釈付きCDAデータセットも提供します。

関連論文リスト

XLD: A Cross-Lane Dataset for Benchmarking Novel Driving View Synthesis [84.23233209017192]
本稿では,自律走行シミュレーションに特化して設計された新しい駆動ビュー合成データセットとベンチマークを提案する。データセットには、トレーニング軌跡から1-4mずれて取得した画像のテストが含まれているため、ユニークなものだ。我々は、フロントオンリーおよびマルチカメラ設定下で、既存のNVSアプローチを評価するための最初の現実的なベンチマークを確立する。
論文参考訳（メタデータ） (2024-06-26T14:00:21Z)
FlightScope: A Deep Comprehensive Review of Aircraft Detection Algorithms in Satellite Imagery [2.9687381456164004]
本稿では,衛星画像中の航空機を識別するタスク用にカスタマイズされた,高度な物体検出アルゴリズム群を批判的に評価し,比較する。この研究は、YOLOバージョン5と8、より高速なRCNN、CenterNet、RetinaNet、RTMDet、DETRを含む一連の方法論を含む。 YOLOv5は空中物体検出のための堅牢なソリューションとして登場し、平均的精度、リコール、ユニオンのスコアに対するインターセクションによってその重要性を裏付けている。
論文参考訳（メタデータ） (2024-04-03T17:24:27Z)
StereoPose: Category-Level 6D Transparent Object Pose Estimation from Stereo Images via Back-View NOCS [106.62225866064313]
本稿では,カテゴリレベルのオブジェクトポーズ推定のためのステレオ画像フレームワークであるStereoPoseを紹介する。純粋なステレオ画像からロバストな推定を行うため、カテゴリレベルのポーズ推定をオブジェクトサイズ推定、初期ポーズ推定、ポーズ修正に分解するパイプラインを開発する。画像コンテンツエイリアス化の問題に対処するために、透明なオブジェクトに対するバックビューNOCSマップを定義する。バックビューNOCSは、コンテンツエイリアスによるネットワーク学習のあいまいさを低減し、透明オブジェクトの背面にある情報的手がかりを利用してより正確なポーズ推定を行うことを目的としている。
論文参考訳（メタデータ） (2022-11-03T08:36:09Z)
A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文参考訳（メタデータ） (2022-06-13T19:14:06Z)
A Deep Learning Ensemble Framework for Off-Nadir Geocentric Pose Prediction [0.0]
現在のソフトウェアは、ほぼナディア画像のみに最適に機能するが、ナディア画像は自然災害後の最初の情報源であることが多い。本研究では,世界の都市における5,923個の近海RGB衛星画像を用いて,地球中心のポーズを予測するための深層学習アンサンブルフレームワークを提案する。
論文参考訳（メタデータ） (2022-05-04T08:33:41Z)
Improving Building Segmentation for Off-Nadir Satellite Imagery [16.747041713724066]
建築セグメンテーションは衛星画像解析とシーン理解にとって重要な課題である。本研究では,広範囲なオフナダーアングルから撮影した衛星画像に対して,正確なビルディングセグメンテーションを実現する手法を提案する。
論文参考訳（メタデータ） (2021-09-08T22:55:16Z)
Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文参考訳（メタデータ） (2021-05-07T03:49:26Z)
Object Detection in Aerial Images: A Large-Scale Benchmark and Challenges [124.48654341780431]
航空画像(DOTA)におけるオブジェクトデテクションの大規模データセットとODAIの総合的ベースラインについて述べる。提案するDOTAデータセットは,11,268個の空中画像から収集した18カテゴリのオブジェクト指向ボックスアノテーションの1,793,658個のオブジェクトインスタンスを含む。 70以上の構成を持つ10の最先端アルゴリズムをカバーするベースラインを構築し,各モデルの速度と精度を評価した。
論文参考訳（メタデータ） (2021-02-24T11:20:55Z)
Learning Collision-Free Space Detection from Stereo Images: Homography Matrix Brings Better Data Augmentation [16.99302954185652]
少数のトレーニングサンプルを使用して、深い畳み込みニューラルネットワーク(DCNN)を訓練することは、依然としてオープンな課題です。本稿では,dcnnの性能向上に有効なトレーニングデータ拡張手法について検討する。
論文参考訳（メタデータ） (2020-12-14T19:14:35Z)
Vehicle Position Estimation with Aerial Imagery from Unmanned Aerial Vehicles [4.555256739812733]
この研究は、航空画像から正確な車両の位置を推定する過程を記述する。この目的のために最先端のディープニューラルネットワークMask-RCNNが適用される。平均20cmの精度は、飛行高度100m、フルHD解像度、フレーム単位の検出で達成できる。
論文参考訳（メタデータ） (2020-04-17T12:29:40Z)
Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文参考訳（メタデータ） (2020-03-28T18:51:43Z)

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。