Fugu-MT 論文翻訳(概要): Research on Edge Detection of LiDAR Images Based on Artificial Intelligence Technology

論文の概要: Research on Edge Detection of LiDAR Images Based on Artificial Intelligence Technology

arxiv url: http://arxiv.org/abs/2406.09773v1
Date: Fri, 14 Jun 2024 07:18:54 GMT
ステータス: 処理完了
システム内更新日: 2024-06-17 14:44:14.315419
Title: Research on Edge Detection of LiDAR Images Based on Artificial Intelligence Technology
Title（参考訳）: 人工知能を用いたLiDAR画像のエッジ検出に関する研究
Authors: Haowei Yang, Liyang Wang, Jingyu Zhang, Yu Cheng, Ao Xiang,
Abstract要約: 本研究では,人工知能技術を用いたLiDAR画像のエッジ検出手法を提案する。ディープラーニングに基づくエッジ検出モデルの設計と実装を行い、モデルのトレーニングプロセスを最適化する。実験結果から,提案手法は検出精度と計算効率において従来の手法よりも優れていたことが示唆された。
参考スコア（独自算出の注目度）: 11.494469754549753
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the widespread application of Light Detection and Ranging (LiDAR) technology in fields such as autonomous driving, robot navigation, and terrain mapping, the importance of edge detection in LiDAR images has become increasingly prominent. Traditional edge detection methods often face challenges in accuracy and computational complexity when processing LiDAR images. To address these issues, this study proposes an edge detection method for LiDAR images based on artificial intelligence technology. This paper first reviews the current state of research on LiDAR technology and image edge detection, introducing common edge detection algorithms and their applications in LiDAR image processing. Subsequently, a deep learning-based edge detection model is designed and implemented, optimizing the model training process through preprocessing and enhancement of the LiDAR image dataset. Experimental results indicate that the proposed method outperforms traditional methods in terms of detection accuracy and computational efficiency, showing significant practical application value. Finally, improvement strategies are proposed for the current method's shortcomings, and the improvements are validated through experiments.
Abstract（参考訳）: 自律走行、ロボットナビゲーション、地形マッピングなどの分野における光検出・ランドング(LiDAR)技術の普及に伴い、LiDAR画像におけるエッジ検出の重要性がますます高まっている。従来のエッジ検出手法は、LiDAR画像を処理する際に、精度と計算の複雑さの課題に直面することが多い。これらの課題に対処するために,人工知能技術を用いたLiDAR画像のエッジ検出手法を提案する。本稿では,LiDAR技術と画像エッジ検出技術の現状を概説し,共通エッジ検出アルゴリズムとそのLiDAR画像処理への応用について述べる。その後、深層学習に基づくエッジ検出モデルを設計、実装し、LiDAR画像データセットの事前処理と強化によりモデルトレーニングプロセスを最適化する。実験の結果,提案手法は検出精度と計算効率の点で従来の手法よりも優れており,実用的な応用価値が示唆された。最後に, 提案手法の欠点に対する改善戦略を提案し, 実験によりその改善を検証した。

関連論文リスト

LiDAR-GS:Real-time LiDAR Re-Simulation using Gaussian Splatting [50.808933338389686]
LiDARシミュレーションは、自動運転におけるクローズドループシミュレーションにおいて重要な役割を果たす。都市景観におけるLiDARセンサスキャンをリアルタイムに再現するために,最初のLiDARガウス法であるLiDAR-GSを提案する。我々の手法は、深度、強度、レイドロップチャンネルを同時に再現することに成功し、公開可能な大規模シーンデータセットにおけるフレームレートと品質の両方のレンダリング結果を達成する。
論文参考訳（メタデータ） (2024-10-07T15:07:56Z)
Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文参考訳（メタデータ） (2024-08-28T10:07:17Z)
RIGID: A Training-free and Model-Agnostic Framework for Robust AI-Generated Image Detection [60.960988614701414]
RIGIDは、堅牢なAI生成画像検出のためのトレーニング不要でモデルに依存しない方法である。 RIGIDは、既存のトレーニングベースおよびトレーニング不要な検出器を著しく上回っている。
論文参考訳（メタデータ） (2024-05-30T14:49:54Z)
Research on Splicing Image Detection Algorithms Based on Natural Image Statistical Characteristics [12.315852697312195]
本稿では,自然画像の統計的特徴に基づく新しいスプライシング画像検出アルゴリズムを提案する。従来の手法の限界を解析することにより,高度な統計解析手法と機械学習手法を統合した検出フレームワークを開発した。このアルゴリズムは、複数の公開データセットを用いて検証され、スプライシングエッジの検出と、改ざんされた領域の特定に高い精度を示す。
論文参考訳（メタデータ） (2024-04-25T02:28:16Z)
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)
Small and Dim Target Detection in IR Imagery: A Review [9.941925002794262]
これは、赤外線画像における小型および薄型ターゲット検出の分野における最初のレビューである。主なアプローチには、複数のフレームを使用して検出する手法と、単一フレームベースの検出技術がある。この結果から,ディープラーニングアプローチは従来の画像処理手法よりも優れていたことが示唆された。
論文参考訳（メタデータ） (2023-11-27T22:25:46Z)
Exploring Deep Learning Image Super-Resolution for Iris Recognition [50.43429968821899]
重畳自動エンコーダ(SAE)と畳み込みニューラルネットワーク(CNN)の2つの深層学習単一画像超解法手法を提案する。精度評価と認識実験により,1.872個の近赤外虹彩画像のデータベースを用いて評価を行い,比較アルゴリズムよりも深層学習の方が優れていることを示す。
論文参考訳（メタデータ） (2023-11-02T13:57:48Z)
Novel Hybrid-Learning Algorithms for Improved Millimeter-Wave Imaging Systems [0.0]
この論文は、改良されたmmWaveイメージングシステムのための新しいハイブリッド学習アルゴリズムを導入している。静的および動的ジェスチャー分類を含む様々な問題空間を探索する。前方合成開口レーダ(SAR)を用いた高分解能近接場ミリ波イメージング
論文参考訳（メタデータ） (2023-06-27T09:51:20Z)
Deep Learning-Based Anomaly Detection in Synthetic Aperture Radar Imaging [11.12267144061017]
本手法は,異常を周囲から逸脱する異常パターンとみなすが,その特徴を事前に把握していない。提案手法は自己教師付きアルゴリズムを用いてこれらの問題に対処することを目的としている。従来のReed-Xiaoliアルゴリズムと比較して,提案手法の利点を示す実験を行った。
論文参考訳（メタデータ） (2022-10-28T10:22:29Z)
Low-light Image Enhancement by Retinex Based Algorithm Unrolling and Adjustment [50.13230641857892]
本稿では,低照度画像強調(LIE)問題に対する新たなディープラーニングフレームワークを提案する。提案フレームワークは,大域的明るさと局所的明るさ感度の両方を考慮したアルゴリズムアンロールと調整ネットワークに着想を得た分解ネットワークを含む。一連の典型的なLIEデータセットの実験では,既存の手法と比較して,定量的かつ視覚的に,提案手法の有効性が示された。
論文参考訳（メタデータ） (2022-02-12T03:59:38Z)
Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
論文参考訳（メタデータ） (2020-09-30T19:01:33Z)

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。