論文の概要: SynDroneVision: A Synthetic Dataset for Image-Based Drone Detection

• arxiv url: http://arxiv.org/abs/2411.05633v1
• Date: Fri, 08 Nov 2024 15:22:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 14:55:11.384717
• Title: SynDroneVision: A Synthetic Dataset for Image-Based Drone Detection
• Title（参考訳）: SynDroneVision: 画像に基づくドローン検出のための合成データセット
• Authors: Tamara R. Lenhard, Andreas Weinmann, Kai Franke, Tobias Koch,
• Abstract要約: 監視アプリケーションにおけるRGBベースのドローン検出に特化した合成データセットであるSynDroneVisionを提案する。 この結果から,SynDroneVisionは実世界のデータ収集に有用な資源であり,実世界のデータ取得の時間とコストを大幅に削減しつつ,モデル性能とロバスト性を大幅に向上させることができた。
• 参考スコア（独自算出の注目度）: 3.9061053498250753
• License:
• Abstract: Developing robust drone detection systems is often constrained by the limited availability of large-scale annotated training data and the high costs associated with real-world data collection. However, leveraging synthetic data generated via game engine-based simulations provides a promising and cost-effective solution to overcome this issue. Therefore, we present SynDroneVision, a synthetic dataset specifically designed for RGB-based drone detection in surveillance applications. Featuring diverse backgrounds, lighting conditions, and drone models, SynDroneVision offers a comprehensive training foundation for deep learning algorithms. To evaluate the dataset's effectiveness, we perform a comparative analysis across a selection of recent YOLO detection models. Our findings demonstrate that SynDroneVision is a valuable resource for real-world data enrichment, achieving notable enhancements in model performance and robustness, while significantly reducing the time and costs of real-world data acquisition. SynDroneVision will be publicly released upon paper acceptance.
• Abstract（参考訳）: 堅牢なドローン検出システムの開発は、大規模な注釈付きトレーニングデータの可用性の制限と、実際のデータ収集に伴う高コストによって制限されることが多い。 しかし、ゲームエンジンをベースとしたシミュレーションによって生成された合成データを活用することで、この問題を克服するための有望で費用対効果の高いソリューションを提供する。 そこで,本研究では,監視アプリケーションにおけるRGBによるドローン検出に特化した合成データセットであるSynDroneVisionを提案する。 SynDroneVisionは多様な背景、照明条件、ドローンモデルを備え、ディープラーニングアルゴリズムのための総合的なトレーニング基盤を提供する。 データセットの有効性を評価するため、最近のYOLO検出モデルの中から比較分析を行った。 この結果から,SynDroneVisionは実世界のデータ収集に有用な資源であり,実世界のデータ取得の時間とコストを大幅に削減しつつ,モデル性能とロバスト性を大幅に向上させることができた。 SynDroneVisionは、論文の受理時に公開される。

関連論文リスト

• Analysis of Classifier Training on Synthetic Data for Cross-Domain Datasets [4.696575161583618]
  本研究は、高度な運転支援システムと自律運転のためのカメラベースの交通標識認識アプリケーションに焦点を当てた。 合成データセットの増補パイプラインは、構造化影やガウスの特異なハイライトのような新しい増補プロセスを含む。 実験の結果、クロスドメインテストデータセットに適用した場合、ほとんどの場合、合成画像ベースアプローチは実際の画像ベーストレーニングよりも優れていた。
  論文  参考訳（メタデータ） (2024-10-30T07:11:41Z)
• Synthetica: Large Scale Synthetic Data for Robot Perception [21.415878105900187]
  本稿では,ロバストな状態推定器を訓練するための大規模合成データ生成手法であるSyntheticaを提案する。 本稿では,ほとんどの状態推定問題のフロントエンドとして機能する重要な問題であるオブジェクト検出の課題に焦点を当てる。 レイトレーシングのデータを利用して270万の画像を生成し、高精度なリアルタイム検出変換器を訓練する。 我々は,従来のSOTAの9倍の50-100Hzの検出器を動作させながら,物体検出タスクにおける最先端性能を示す。
  論文  参考訳（メタデータ） (2024-10-28T15:50:56Z)
• Synthetic data augmentation for robotic mobility aids to support blind and low vision people [5.024531194389658]
  視覚障害者のためのロボットモビリティ支援(BLV)は、深層学習に基づく視覚モデルに大きく依存している。 これらのモデルの性能は、実世界のデータセットの可用性と多様性によって制約されることが多い。 本研究では,Unreal Engine 4を用いて生成した合成データの有効性について検討した。
  論文  参考訳（メタデータ） (2024-09-17T13:17:28Z)
• BEHAVIOR Vision Suite: Customizable Dataset Generation via Simulation [57.40024206484446]
  我々は、コンピュータビジョンモデルの体系的評価のために、完全にカスタマイズされた合成データを生成するためのツールと資産のセットであるBEHAVIOR Vision Suite(BVS)を紹介する。 BVSはシーンレベルで多数の調整可能なパラメータをサポートする。 アプリケーションシナリオを3つ紹介する。
  論文  参考訳（メタデータ） (2024-05-15T17:57:56Z)
• Best Practices and Lessons Learned on Synthetic Data [83.63271573197026]
  AIモデルの成功は、大規模で多様な、高品質なデータセットの可用性に依存している。 合成データは、現実世界のパターンを模倣する人工データを生成することによって、有望なソリューションとして現れてきた。
  論文  参考訳（メタデータ） (2024-04-11T06:34:17Z)
• Deep Domain Adaptation: A Sim2Real Neural Approach for Improving Eye-Tracking Systems [80.62854148838359]
  眼球画像のセグメンテーションは、最終視線推定に大きな影響を及ぼす眼球追跡の重要なステップである。 対象視線画像と合成訓練データとの重なり合いを測定するために,次元還元法を用いている。 提案手法は,シミュレーションと実世界のデータサンプルの相違に対処する際の頑健で,性能が向上する。
  論文  参考訳（メタデータ） (2024-03-23T22:32:06Z)
• View-Dependent Octree-based Mesh Extraction in Unbounded Scenes for Procedural Synthetic Data [71.22495169640239]
  手続き署名距離関数(SDF)は、大規模な詳細なシーンをモデル化するための強力なツールである。 OcMesherというメッシュ抽出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-12-13T18:56:13Z)
• UAV-Sim: NeRF-based Synthetic Data Generation for UAV-based Perception [62.71374902455154]
  ニューラルレンダリングの最近の進歩を利用して、静的および動的ノベルビューUAVベースの画像レンダリングを改善する。 本研究では,主に実データと合成データのハイブリッドセットに基づいて最先端検出モデルが最適化された場合,性能が大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-10-25T00:20:37Z)
• SyntheWorld: A Large-Scale Synthetic Dataset for Land Cover Mapping and Building Change Detection [20.985372561774415]
  我々は、品質、多様性、スケールに比類しない合成データセットであるSyntheWorldを提示する。 サブメーターレベルのピクセルを持つ4万枚の画像と8つのカテゴリの詳細なランドカバーアノテーションを含んでいる。 リモートセンシング画像処理研究を容易にするためのSyntheWorldをリリースする。
  論文  参考訳（メタデータ） (2023-09-05T02:42:41Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)

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。