論文の概要: Color Information-Based Automated Mask Generation for Detecting Underwater Atypical Glare Areas

• arxiv url: http://arxiv.org/abs/2502.16538v1
• Date: Sun, 23 Feb 2025 11:17:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 15:52:40.912867
• Title: Color Information-Based Automated Mask Generation for Detecting Underwater Atypical Glare Areas
• Title（参考訳）: 色情報に基づく水中非定型グラア領域検出のための自動マスク生成
• Authors: Mingyu Jeon, Yeonji Paeng, Sejin Lee,
• Abstract要約: 本研究では,教師なしK平均クラスタリングを用いた呼吸気泡検出アルゴリズムを提案する。 提案手法は水中画像から色データと相対空間座標を融合し,CLAHEを用いて雑音を緩和し,次いで画素クラスタリングを行い,反射領域を分離する。 実験により,水中画像中の呼吸気泡に対応する領域を効果的に検出でき,RGB,LAB,HSV色空間の併用により検出精度が著しく向上することが確認された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Underwater diving assistance and safety support robots acquire real-time diver information through onboard underwater cameras. This study introduces a breath bubble detection algorithm that utilizes unsupervised K-means clustering, thereby addressing the high accuracy demands of deep learning models as well as the challenges associated with constructing supervised datasets. The proposed method fuses color data and relative spatial coordinates from underwater images, employs CLAHE to mitigate noise, and subsequently performs pixel clustering to isolate reflective regions. Experimental results demonstrate that the algorithm can effectively detect regions corresponding to breath bubbles in underwater images, and that the combined use of RGB, LAB, and HSV color spaces significantly enhances detection accuracy. Overall, this research establishes a foundation for monitoring diver conditions and identifying potential equipment malfunctions in underwater environments.
• Abstract（参考訳）: 水中潜水支援ロボットは水中カメラを介してリアルタイムダイバー情報を取得する。 本研究では,教師なしK平均クラスタリングを用いた呼吸気泡検出アルゴリズムを導入し,ディープラーニングモデルの高精度要求と教師付きデータセット構築に関わる課題に対処する。 提案手法は水中画像から色データと相対空間座標を融合し,CLAHEを用いて雑音を緩和し,次いで画素クラスタリングを行い,反射領域を分離する。 実験により,水中画像中の呼吸気泡に対応する領域を効果的に検出でき,RGB,LAB,HSV色空間の併用により検出精度が著しく向上することが確認された。 本研究は,潜水環境における潜水条件のモニタリングと潜在的な機器故障の同定のための基盤を確立する。

関連論文リスト

• 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)
• Performance Assessment of Feature Detection Methods for 2-D FS Sonar Imagery [11.23455335391121]
  主な課題は、一様でない照明と、濁った環境での視界の低下である。 高周波フォワードフォワードソナーカメラはこれらの問題に対処する。 5種類のソナー装置の実際のソナー画像を用いた特徴検出器の評価を行った。
  論文  参考訳（メタデータ） (2024-09-11T04:35:07Z)
• Deep Learning Innovations for Underwater Waste Detection: An In-Depth Analysis [0.0]
  本稿では, 埋立廃棄物処理とごみ処理の基盤となるため, 最先端のアーキテクチャと既存のデータセットを網羅的に検討する。 第一の目的は、高度な水中センサーと自律型水中車両によって活用される物体の局所化手法のベンチマークを確立することである。
  論文  参考訳（メタデータ） (2024-05-28T15:51:18Z)
• 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)
• 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)
• 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 Benchmark dataset for both underwater image enhancement and underwater object detection [34.25890702670983]
  境界ボックスアノテーションと高品質な参照画像の両方を用いた大規模水中物体検出データセットを提供する。 OUCデータセットは、水中物体検出タスクにおける水中画像強調アルゴリズムの影響を包括的に研究するためのプラットフォームを提供する。
  論文  参考訳（メタデータ） (2020-06-29T03:12:50Z)
• UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional Variational Autoencoders [81.5490760424213]
  データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。 そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-13T04:12:59Z)

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。