論文の概要: Enhancing Maritime Situational Awareness through End-to-End Onboard Raw Data Analysis
- arxiv url: http://arxiv.org/abs/2411.03403v1
- Date: Tue, 05 Nov 2024 18:38:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-07 19:23:38.217549
- Title: Enhancing Maritime Situational Awareness through End-to-End Onboard Raw Data Analysis
- Title（参考訳）: 船載データ分析による海事状況認識の促進
- Authors: Roberto Del Prete, Manuel Salvoldi, Domenico Barretta, Nicolas Longépé, Gabriele Meoni, Arnon Karnieli, Maria Daniela Graziano, Alfredo Renga,
- Abstract要約: 本研究は、小型衛星の厳密な帯域幅、エネルギー、遅延制約に対処する枠組みを提案する。
衛星画像からの船舶の直接検出・分類における深層学習手法の適用について検討した。
本手法は,車載処理チェーンの簡素化により,キャリブレーションや整形などの計算集約的なステップを必要とせず,直接解析を容易にする。
- 参考スコア（独自算出の注目度）: 4.441792803766689
- License:
- Abstract: Satellite-based onboard data processing is crucial for time-sensitive applications requiring timely and efficient rapid response. Advances in edge artificial intelligence are shifting computational power from ground-based centers to on-orbit platforms, transforming the "sensing-communication-decision-feedback" cycle and reducing latency from acquisition to delivery. The current research presents a framework addressing the strict bandwidth, energy, and latency constraints of small satellites, focusing on maritime monitoring. The study contributes three main innovations. Firstly, it investigates the application of deep learning techniques for direct ship detection and classification from raw satellite imagery. By simplifying the onboard processing chain, our approach facilitates direct analyses without requiring computationally intensive steps such as calibration and ortho-rectification. Secondly, to address the scarcity of raw satellite data, we introduce two novel datasets, VDS2Raw and VDV2Raw, which are derived from raw data from Sentinel-2 and Vegetation and Environment Monitoring New Micro Satellite (VENuS) missions, respectively, and enriched with Automatic Identification System (AIS) records. Thirdly, we characterize the tasks' optimal single and multiple spectral band combinations through statistical and feature-based analyses validated on both datasets. In sum, we demonstrate the feasibility of the proposed method through a proof-of-concept on CubeSat-like hardware, confirming the models' potential for operational satellite-based maritime monitoring.
- Abstract（参考訳）: 衛星ベースのオンボードデータ処理は、タイムリーかつ効率的な迅速な応答を必要とする、時間に敏感なアプリケーションに不可欠である。
エッジ人工知能の進歩は、計算力を地上のセンターから軌道上のプラットフォームにシフトさせ、"知覚通信-決定-フィードバック"サイクルを変革し、取得からデリバリまでのレイテンシを削減している。
現在の研究は、小型衛星の厳格な帯域幅、エネルギー、遅延の制約に対処する枠組みを示し、海洋モニタリングに焦点をあてている。
この研究は3つの主要なイノベーションに貢献している。
まず, 深層学習技術の生衛星画像からの船舶の直接検出・分類への応用について検討する。
本手法は,車載処理チェーンの簡素化により,キャリブレーションや整形などの計算集約的なステップを必要とせず,直接解析を容易にする。
第2に、衛星データの不足に対処するため、Sentinel-2 と Vegetation and Environment Monitoring New Micro Satellite (VENuS) の生データから得られた VDS2Raw と VDV2Raw という2つの新しいデータセットを導入し、AIS (Automatic Identification System) 記録を付加した。
第3に、両データセットで検証された統計的および特徴に基づく分析により、タスクの最適なシングルバンドとマルチスペクトルバンドの組み合わせを特徴付ける。
まとめると,CubeSatのようなハードウェア上での概念実証を通じて提案手法の有効性を実証し,衛星による海上監視を行うモデルの可能性を確認する。
関連論文リスト
- Infrared Small Target Detection in Satellite Videos: A New Dataset and A Novel Recurrent Feature Refinement Framework [20.72563526645679]
IRSatVideo-LEOは、合成された衛星の動き、ターゲットの外観、軌道、強度を備えたセミシミュレートされたデータセットである。
RFRは、長期の時間的依存性を悪用するための、既存の強力なCNNベースの手法を備えることが提案されている。
論文 参考訳（メタデータ） (2024-09-19T03:58:32Z) - Scale-Translation Equivariant Network for Oceanic Internal Solitary Wave Localization [7.444865250744234]
内部孤立波(英:internal Solitary wave、ISW)は、内部の海洋でしばしば観測される重力波である。
光リモートセンシング画像における雲のカバーは、地表面の情報を可変的に曖昧にし、ぼやけたり、表面の観察を欠いたりする。
本稿では,ISWを自動検出するアルゴリズムを用いた機械学習ソリューションを提案する。
論文 参考訳（メタデータ） (2024-06-18T21:09:56Z) - Cooperative Federated Learning over Ground-to-Satellite Integrated
Networks: Joint Local Computation and Data Offloading [33.44828515877944]
本稿では,遠隔地における機械学習サービス管理を容易にするために,地域間協調学習(FL)手法を提案する。
本手法は、FL中に以下の重要な機能を提供するために衛星星座を編成する。
本手法は地上のみの衛星ベースラインアプローチと比べ,FLの収束を著しく早めることができることを示す。
論文 参考訳（メタデータ） (2023-12-23T22:09:31Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge
TPU [58.720142291102135]
本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。
我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
論文 参考訳（メタデータ） (2022-04-07T08:53:18Z) - Towards On-Board Panoptic Segmentation of Multispectral Satellite Images [41.34294145237618]
マルチスペクトル衛星画像の単眼分割のための軽量パイプラインを提案する。
パノプティカル・セグメンテーションは、農地からの収量推定から複雑な軍事用途のための知性まで、主要な経済・環境の洞察を提供する。
本評価は,既存の最先端モデルと比較して精度が大幅に向上したことを示す。
論文 参考訳（メタデータ） (2022-04-05T03:10:39Z) - Unsupervised Change Detection of Extreme Events Using ML On-Board [3.1955314117075715]
変分オートエンコーダ(VAE)に基づく衛星データにおける変更検出のための軽量で教師なしのアプローチであるRaVAEnを紹介する。
RaVAEnは、サンプルデータを衛星に直接前処理し、ダウンリンク、応答時間を短縮するために変更したエリアをフラグで表示する。
破滅的な事象の時系列からなるデータセット上で,本システムの有効性を検証した。
論文 参考訳（メタデータ） (2021-11-04T16:45:15Z) - Trajectory Design for UAV-Based Internet-of-Things Data Collection: A
Deep Reinforcement Learning Approach [93.67588414950656]
本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。
本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。
シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
論文 参考訳（メタデータ） (2021-07-23T03:33:29Z) - Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。
本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。
次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文 参考訳（メタデータ） (2021-05-20T17:52:37Z) - LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。
LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。
無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
論文 参考訳（メタデータ） (2021-02-05T04:26:05Z) - Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。
本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。
提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
論文 参考訳（メタデータ） (2020-01-10T05:29:17Z)
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。