論文の概要: From Pixels to Planes: Minimum Ground Sample Distance for Aircraft

• arxiv url: http://arxiv.org/abs/2412.02137v1
• Date: Wed, 20 Nov 2024 14:55:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-08 08:47:19.785124
• Title: From Pixels to Planes: Minimum Ground Sample Distance for Aircraft
• Title（参考訳）: ピクセルから平面へ:航空機用最小地上サンプル距離
• Authors: Matthew Ciolino, Willie Maddox,
• Abstract要約: 本研究では,地中サンプル距離(GSD)が各種航空機の検出性能に及ぼす影響について検討した。 データセットは、120機の民間機、軍用機、博物館の航空機からなり、2年以上にわたって収集された複数の衛星/航空資源から成り立っている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This study investigates the impact of ground sample distance (GSD) on the detection performance of various sized aircraft using the proprietary AllPlanes 120 dataset. The data set comprises 120 civilian, military and museum aircraft from multiple satellite/aerial sources collected over two years. Resolutions ranging from 2.4 to 0.3 meters GSD were simulated. Performance metrics were derived from a YOLOv8s model trained on down-sampled versions of zoom level 19 (0.3m GSD) imagery. The results indicate that a GSD of at least 0.86m is required to accurately detect most aircraft, particularly those with wingspans shorter than 20 meters. Due to weight constraints in high-altitude platforms, this GSD specification can inform camera design to minimize weight while maintaining detection accuracy.
• Abstract（参考訳）: 本研究では, 地中サンプル距離(GSD)が, プロプライエタリなAllPlanes 120データセットを用いた各種航空機の検知性能に与える影響について検討した。 データセットは、120機の民間機、軍用機、博物館の航空機からなり、2年以上にわたって収集された複数の衛星/航空資源から成り立っている。 2.4から0.3mのGSDの解像度をシミュレートした。 パフォーマンス指標は、ズームレベル19(0.3m GSD)画像のダウンサンプルバージョンに基づいてトレーニングされたYOLOv8sモデルから得られた。 その結果、ほとんどの航空機、特に翼幅が20メートル未満の航空機を正確に検出するには、少なくとも0.86mのGSDが必要であることが示唆された。 高高度プラットフォームにおける重量制限のため、このGSD仕様は、検出精度を維持しながら重量を最小化するようにカメラ設計に通知することができる。

関連論文リスト

• Commissioning An All-Sky Infrared Camera Array for Detection Of Airborne Objects [0.11703603440337004]
  ガリレオ計画では、空を継続的に監視する多モード地上観測所を設計、建設、委託している。 鍵となる機器の1つは、8つの冷却されていない長波長のFLIRボソン640カメラを使用した全天型赤外線カメラアレイである。 各種気象条件に対する受入率(観測可能な航空機等)と検出効率(検出に成功している航空機等)を報告する。 おもちゃのアウトリーチは2次元再構成トラジェクトリーフラッグの大きな不純物に焦点を絞ったもので、トラジェクトリーの約16%をアウトリーチとして用いた。
  論文  参考訳（メタデータ） (2024-11-12T17:31:51Z)
• Very High-Resolution Bridge Deformation Monitoring Using UAV-based Photogrammetry [0.0]
  本研究は, 構造型健康モニタリング(SHM)におけるUAVモニタリングの適合性に疑問を呈するものである。 調査強化コンクリート橋は、グラウンドアンカーを介して予め定義された荷重に曝すことができる。 非常に高解像度の画像ブロックは、制御された負荷の塗布前、中、および後に捕獲された。 表面データ取得の性能を評価するために,高密度画像点雲を計算した。 導入したUAVに基づくモニタリング手法を用いることで、古典的点数やプロファイル測定と対照的に、全領域にわたって変形の定量化が可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-09T08:17:03Z)
• 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)
• CVPR MultiEarth 2023 Deforestation Estimation Challenge:SpaceVision4Amazon [5.156484100374058]
  EO(Electro-Optical)とSAR(Synthetic Aperture Radar)の衛星画像を用いた注意誘導UNetアーキテクチャに基づく森林破壊推定手法を提案する。 光画像、Landsat-8およびSAR画像では、Sentinel-1データを使用して提案されたモデルのトレーニングと検証を行っている。 訓練期間中、ランドサット-8は93.45%のトレーニングと検証ピクセルの精度を達成し、センチネル-2は83.87%の精度を達成した。
  論文  参考訳（メタデータ） (2023-07-10T17:25:04Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)
• Augmented Imagefication: A Data-driven Fault Detection Method for Aircraft Air Data Sensors [12.317152569123541]
  航空機用エアデータセンサ(ADS)のFD(Augmented Imagefication for Fault Detection)と呼ばれる新しいデータ駆動方式を提案する。 深層ニューラルネットワーク(DNN)に基づくエッジデバイス上でのオンラインFDスキームを開発し,航空機のリアルタイム監視を実現する。
  論文  参考訳（メタデータ） (2022-06-18T00:06:53Z)
• VPAIR -- Aerial Visual Place Recognition and Localization in Large-scale Outdoor Environments [49.82314641876602]
  VPAIRという新しいデータセットを提示します。 データセットは地上300メートル以上の高度で飛行する軽航空機に記録されている。 このデータセットは、様々なタイプの挑戦的な風景を、100km以上にわたってカバーしている。
  論文  参考訳（メタデータ） (2022-05-23T18:50:08Z)
• Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
  航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。 本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。 本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2021-11-17T21:48:31Z)
• Automated Aerial Animal Detection When Spatial Resolution Conditions Are Varied [3.303008003874495]
  家畜がどこにあるかを知ることは、最適化された管理と調整を可能にする。 衛星画像の解析による効果的な動物の位置決めとカウントは、この管理のハードルを克服する。 高解像度衛星画像は高価であり、コストを最小限に抑えるため、正確な家畜検出を可能にする最小の空間解像度データを選択すべきである。
  論文  参考訳（メタデータ） (2021-10-04T11:20:14Z)
• Accurate Alignment Inspection System for Low-resolution Automotive and Mobility LiDAR [125.41260574344933]
  車両やロボットなどの移動システムにおいて,センサ装着後のLiDARアライメント誤差を正確に推定する検査システムを提案する。 提案手法は, 固定位置における1つのターゲットボードのみを用いて, 水平方向(回転, 傾き, ヨー)とLiDARアタッチメントの水平位置を, 水平方向の精度で推定する。
  論文  参考訳（メタデータ） (2020-08-24T17:47:59Z)

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。