論文の概要: PoTATO: A Dataset for Analyzing Polarimetric Traces of Afloat Trash Objects
- arxiv url: http://arxiv.org/abs/2409.12659v1
- Date: Thu, 19 Sep 2024 11:21:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 13:56:59.094924
- Title: PoTATO: A Dataset for Analyzing Polarimetric Traces of Afloat Trash Objects
- Title（参考訳）: PoTATO: フロートトラップ物体のポラリメトリックトレース解析用データセット
- Authors: Luis Felipe Wolf Batista, Salim Khazem, Mehran Adibi, Seth Hutchinson, Cedric Pradalier,
- Abstract要約: 水生環境のプラスチック廃棄物は海洋生物や人間の健康に深刻なリスクをもたらす。
ディープラーニングはこのタスクの強力なツールとして広く利用されているが、その性能は屋外の光条件と水面反射によって著しく制限されている。
12,380個のラベル付きプラスチックボトルとリッチ偏光情報を含むデータセットPoTATOを紹介する。
- 参考スコア（独自算出の注目度）: 7.117487088419503
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Plastic waste in aquatic environments poses severe risks to marine life and human health. Autonomous robots can be utilized to collect floating waste, but they require accurate object identification capability. While deep learning has been widely used as a powerful tool for this task, its performance is significantly limited by outdoor light conditions and water surface reflection. Light polarization, abundant in such environments yet invisible to the human eye, can be captured by modern sensors to significantly improve litter detection accuracy on water surfaces. With this goal in mind, we introduce PoTATO, a dataset containing 12,380 labeled plastic bottles and rich polarimetric information. We demonstrate under which conditions polarization can enhance object detection and, by providing raw image data, we offer an opportunity for the research community to explore novel approaches and push the boundaries of state-of-the-art object detection algorithms even further. Code and data are publicly available at https://github.com/luisfelipewb/ PoTATO/tree/eccv2024.
- Abstract（参考訳）: 水生環境のプラスチック廃棄物は海洋生物や人間の健康に深刻なリスクをもたらす。
自律型ロボットは浮きゴミの収集に利用できるが、正確な物体識別能力が必要である。
ディープラーニングはこのタスクの強力なツールとして広く利用されているが、その性能は屋外の光条件と水面反射によって著しく制限されている。
人間の目には見えないような環境に豊富に存在する光偏光は、現代のセンサーによって捉えられ、水面のゴミ検出精度を大幅に向上させることができる。
この目標を念頭に、12,380個のラベル付きプラスチックボトルと豊富な偏光情報を含むデータセットであるPoTATOを紹介する。
偏光が物体検出を向上する条件を実証し、生画像データを提供することで、研究コミュニティが新しいアプローチを探求し、最先端の物体検出アルゴリズムの境界をさらに推し進める機会を提供する。
コードとデータはhttps://github.com/luisfelipewb/PoTATO/tree/eccv2024で公開されている。
関連論文リスト
- Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。
車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。
ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文 参考訳（メタデータ） (2024-10-08T10:35:32Z) - Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。
近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
論文 参考訳（メタデータ） (2024-10-08T00:25:33Z) - Improving Underwater Visual Tracking With a Large Scale Dataset and
Image Enhancement [70.2429155741593]
本稿では,水中ビジュアルオブジェクト追跡(UVOT)のための新しいデータセットと汎用トラッカ拡張手法を提案する。
水中環境は、一様でない照明条件、視界の低さ、鋭さの欠如、コントラストの低さ、カモフラージュ、懸濁粒子からの反射を示す。
本研究では,追尾品質の向上に特化して設計された水中画像強調アルゴリズムを提案する。
この手法により、最先端(SOTA)ビジュアルトラッカーの最大5.0%のAUCの性能が向上した。
論文 参考訳（メタデータ） (2023-08-30T07:41:26Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - A Vision for Cleaner Rivers: Harnessing Snapshot Hyperspectral Imaging
to Detect Macro-Plastic Litter [6.198237241838559]
大量のプラスチック廃棄物が内陸から海へと輸送され、地球規模で浮かぶ破片田の問題に繋がる。
河川のようなシナリオにおける計算画像を用いたマクロプラスチックごみ検出の可能性について解析する。
論文 参考訳（メタデータ） (2023-07-22T18:59:27Z) - Large-scale Detection of Marine Debris in Coastal Areas with Sentinel-2 [3.6842260407632903]
海洋汚染を定量化するための努力は、しばしば粗末で高価な海岸調査によって行われる。
沿岸地域の衛星データは容易に入手でき、プラスチックごみを含む海洋ゴミの集積を検出するために利用することができる。
本稿では, 深部セグメンテーションモデル上に構築された海洋破片検出装置について述べる。
論文 参考訳（メタデータ） (2023-07-05T17:38:48Z) - Optimized Custom Dataset for Efficient Detection of Underwater Trash [3.2634122554914002]
本報告では, 海底破砕物に対するカスタムデータセットの開発と効率的な検出手法を提案する。
データセットは多様な水中環境を含み、デブリのインスタンスの正確なラベル付けのためのアノテーションが組み込まれている。
このカスタムデータセットの主な目的は、最先端のディープラーニングアーキテクチャを活用することで、リッターインスタンスの多様性を高め、深海環境における検出精度を向上させることである。
論文 参考訳（メタデータ） (2023-05-25T20:28:04Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - On the Importance of Accurate Geometry Data for Dense 3D Vision Tasks [61.74608497496841]
不正確または破損したデータのトレーニングは、モデルバイアスとハマーズ一般化能力を誘導する。
本稿では,深度推定と再構成における高密度3次元視覚課題に対するセンサ誤差の影響について検討する。
論文 参考訳（メタデータ） (2023-03-26T22:32:44Z) - GAMMA: Generative Augmentation for Attentive Marine Debris Detection [0.0]
そこで本稿では,水中デブリデータによる視覚的検出の不適切な問題を解決するために,効率的で生成的な拡張手法を提案する。
我々は、CycleGANをデータ拡張技術として使用し、地球上のプラスチックのオープンで豊富なデータを水中画像に変換する。
また,アテンション機構を用いた水中デブリ検出のための新しいアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-12-07T16:30:51Z) - A Dataset with Multibeam Forward-Looking Sonar for Underwater Object
Detection [0.0]
マルチビーム前方ソナー (MFLS) は水中検出において重要な役割を担っている。
MFLSを用いた水中物体検出の研究にはいくつかの課題がある。
本稿では,Tritech Gemini 1200ikソナーを用いて,9000枚以上のMFLS画像からなる新しいデータセットを提案する。
論文 参考訳（メタデータ） (2022-12-01T08:26:03Z)
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。