論文の概要: Detection of Moving Objects in Earth Observation Satellite Images

• arxiv url: http://arxiv.org/abs/2406.07566v1
• Date: Sat, 18 May 2024 20:55:49 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-23 13:45:35.961981
• Title: Detection of Moving Objects in Earth Observation Satellite Images
• Title（参考訳）: 地球観測衛星画像における移動物体の検出
• Authors: Eric Keto, Wesley Andres Watters,
• Abstract要約: 衛星画像の特定のアーカイブにおける移動物体の検出と速度測定の可能性を評価する。 その結果,一般的な輸送車両,飛行機,車,ボートの移動を検知し,測定できることが示唆された。
• 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: Moving objects have characteristic signatures in multi-spectral images made by Earth observation satellites that use push broom scanning. While the general concept is applicable to all satellites of this type, each satellite design has its own unique imaging system and requires unique methods to analyze the characteristic signatures. We assess the feasibility of detecting moving objects and measuring their velocities in one particular archive of satellite images made by Planet Labs Corporation with their constellation of SuperDove satellites. Planet Labs data presents a particular challenge in that the images in the archive are mosaics of individual exposures and therefore do not have unique time stamps. We explain how the timing information can be restored indirectly. Our results indicate that the movement of common transportation vehicles, airplanes, cars, and boats, can be detected and measured.
• Abstract（参考訳）: 移動物体は、プッシュブルーム走査を用いた地球観測衛星によるマルチスペクトル画像に特徴的な特徴を持つ。 一般的な概念は、このタイプの全ての衛星に適用できるが、それぞれの衛星設計には独自のイメージングシステムがあり、特徴的シグネチャを分析するために独自の方法が必要である。 我々は、Planet Labs Corporationによる衛星画像とSuperDove衛星のコンステレーションの特定のアーカイブにおいて、移動物体の検出と速度測定の可能性を評価する。 Planet Labsのデータは、アーカイブ内の画像が個々の露出のモザイクであり、したがってユニークなタイムスタンプを持たないという点において、特別な課題を示している。 タイミング情報を間接的に復元する方法を説明する。 その結果,一般的な輸送車両,飛行機,車,ボートの移動を検知し,測定できることが示唆された。

関連論文リスト

• Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
  本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。 地上画像ごとに正の衛星画像と負の衛星画像を導き出す。 また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
  論文  参考訳（メタデータ） (2024-09-10T12:57:16Z)
• Vision-Based Detection of Uncooperative Targets and Components on Small Satellites [6.999319023465766]
  宇宙デブリと不活性衛星は、運用宇宙船の安全性と完全性に脅威をもたらす。 コンピュータビジョンモデルの最近の進歩は、そのような非協調的な目標を追跡する既存の方法を改善するために利用することができる。 本稿では,これらの物体を学習とコンピュータビジョンを用いて識別・監視する自律検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-08-22T02:48:13Z)
• Vehicle Vectors and Traffic Patterns from Planet Imagery [4.013337799051293]
  静止車と移動車の両方が高解像度のSkySat画像で確実に識別可能であることを示す。 移動物体のバンド間変位(またはレインボー効果)を利用して移動車両の速度と進路を推定できる。
  論文  参考訳（メタデータ） (2024-06-10T14:35:59Z)
• Vehicle Perception from Satellite [54.07157185000604]
  データセットは、GTA-Vから記録された12の衛星ビデオと14の合成ビデオに基づいて構築されている。 小さなオブジェクトの検出、カウント、密度推定など、いくつかのタスクをサポートする。 128,801両は完全に注釈付けされており、各画像の車両数は0から101まで様々である。
  論文  参考訳（メタデータ） (2024-02-01T15:59:16Z)
• Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
  確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。 ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。 PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
  論文  参考訳（メタデータ） (2023-08-31T16:26:17Z)
• Towards Transformer-based Homogenization of Satellite Imagery for Landsat-8 and Sentinel-2 [1.4699455652461728]
  Landsat-8(NASA)とSentinel-2(ESA)は、公開データを提供する2つの著名なマルチスペクトルイメージング衛星プロジェクトである。 この研究は、両方の衛星プロジェクトから観測されるスペクトルと空間の差を減らすために、トランスフォーマーベースのモデルを使用する可能性について、一目でわかる。
  論文  参考訳（メタデータ） (2022-10-14T09:13:34Z)
• Convolutional Neural Processes for Inpainting Satellite Images [56.032183666893246]
  Inpaintingは、既知のピクセルに基づいて何が欠けているかを予測することを含み、画像処理における古い問題である。 本研究では,LANDSAT 7衛星画像のスキャンライン塗装問題に対して,従来の手法や最先端のディープラーニング塗装モデルよりも優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2022-05-24T23:29:04Z)
• Autonomous Satellite Detection and Tracking using Optical Flow [0.0]
  画像中の衛星検出と追跡の自律的手法を光学フローを用いて実装する。 光の流れは、一連の宇宙画像において検出された物体の速度を推定するために用いられる。 検出アルゴリズムは、シミュレートされた恒星画像と衛星の地上画像の両方を用いて実施される。
  論文  参考訳（メタデータ） (2022-04-14T15:23:27Z)
• The State of Aerial Surveillance: A Survey [62.198765910573556]
  本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。 主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
  論文  参考訳（メタデータ） (2022-01-09T20:13:27Z)
• Rapid Detection of Aircrafts in Satellite Imagery based on Deep Neural Networks [2.7716102039510564]
  本論文では,深層学習技術を用いた衛星画像の航空機検出に焦点をあてる。 本稿では,航空機検出にYOLO深層学習フレームワークを用いた。 改良されたモデルは小さい、回転する、および密集した目的がリアルタイムの条件を満たす異なった未知のイメージのよい正確さそして性能を示します。
  論文  参考訳（メタデータ） (2021-04-21T18:13:16Z)
• 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)

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。