Fugu-MT 論文翻訳(概要): The Marine Debris Forward-Looking Sonar Datasets

論文の概要: The Marine Debris Forward-Looking Sonar Datasets

arxiv url: http://arxiv.org/abs/2503.22880v1
Date: Fri, 28 Mar 2025 21:12:03 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-01 19:35:56.823946
Title: The Marine Debris Forward-Looking Sonar Datasets
Title（参考訳）: 海上デブリフォワードソナーデータセット
Authors: Matias Valdenegro-Toro, Deepan Chakravarthi Padmanabhan, Deepak Singh, Bilal Wehbe, Yvan Petillot,
Abstract要約: 本論文では,3つの異なるセッティングを持つマリンデブリフォワード・ルック・ソナーデータセットについて述べる。いくつかのタスクに対して、完全なデータセット記述、基本的な分析、初期結果を提供します。研究コミュニティがこのデータセットの恩恵を受けることを期待しています。
参考スコア（独自算出の注目度）: 10.878811189489804
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Sonar sensing is fundamental for underwater robotics, but limited by capabilities of AI systems, which need large training datasets. Public data in sonar modalities is lacking. This paper presents the Marine Debris Forward-Looking Sonar datasets, with three different settings (watertank, turntable, flooded quarry) increasing dataset diversity and multiple computer vision tasks: object classification, object detection, semantic segmentation, patch matching, and unsupervised learning. We provide full dataset description, basic analysis and initial results for some tasks. We expect the research community will benefit from this dataset, which is publicly available at https://doi.org/10.5281/zenodo.15101686
Abstract（参考訳）: ソナーセンシングは水中ロボティクスの基本であるが、大規模なトレーニングデータセットを必要とするAIシステムの能力によって制限されている。ソナー・モダリティの公共データは不足している。本稿では,3つの異なる設定(水槽,ターンテーブル,浸水した採石場)でデータセットの多様性を高め,複数のコンピュータビジョンタスク(オブジェクト分類,オブジェクト検出,セマンティックセグメンテーション,パッチマッチング,教師なし学習)を提案する。いくつかのタスクに対して、完全なデータセット記述、基本的な分析、初期結果を提供します。このデータセットはhttps://doi.org/10.5281/zenodo.15101686で公開されています。

関連論文リスト

Efficient Self-Supervised Learning for Earth Observation via Dynamic Dataset Curation [67.23953699167274]
自己教師付き学習(SSL)により、地球観測のための視覚基盤モデルの開発が可能になった。 EOでは、この課題は衛星画像に共通する冗長性と重尾分布によって増幅される。本稿では,データセットの多様性とバランスを最大化し,SSL事前トレーニングを改善するために設計された動的データセットプルーニング戦略を提案する。
論文参考訳（メタデータ） (2025-04-09T15:13:26Z)
SeePerSea: Multi-modal Perception Dataset of In-water Objects for Autonomous Surface Vehicles [10.732732686425308]
本稿では,自律航法のためのマルチモーダル認識データセットについて紹介する。自律型表面車両(ASV)の環境意識を高めるため、水中環境における水中障害物に焦点を当てている。
論文参考訳（メタデータ） (2024-04-29T04:00:19Z)
An Unbiased Look at Datasets for Visuo-Motor Pre-Training [20.094244564603184]
データセットの選択は、このパラダイムの成功と同じくらい重要です。従来の視覚データセットは、ビジュオモダ表現学習の驚くほど競争力のある選択肢である。シミュレーションベンチマークは実世界のパフォーマンスの信頼できるプロキシではないことを示す。
論文参考訳（メタデータ） (2023-10-13T17:59:02Z)
SPOT: Scalable 3D Pre-training via Occupancy Prediction for Learning Transferable 3D Representations [76.45009891152178]
トレーニング-ファインタニングアプローチは、さまざまな下流データセットとタスクをまたいだトレーニング済みのバックボーンを微調整することで、ラベル付けの負担を軽減することができる。本稿では, 一般表現学習が, 占領予測のタスクを通じて達成できることを, 初めて示す。本研究は,LiDAR 点の理解を促進するとともに,LiDAR の事前訓練における今後の進歩の道を開くことを目的とする。
論文参考訳（メタデータ） (2023-09-19T11:13:01Z)
BrackishMOT: The Brackish Multi-Object Tracking Dataset [20.52569822945148]
濁った環境で捕獲された水中マルチオブジェクト追跡(MOT)データセットは公開されていない。 BrackishMOTは、野生で捕獲された98のシークエンスから構成される。新しいデータセットに加えて、最先端のトラッカーをトレーニングしてベースライン結果を示す。トレーニング中に合成データを含めることの効果を分析し,実際の水中トレーニングデータと合成水中トレーニングデータを組み合わせることで,追跡性能が向上することを示した。
論文参考訳（メタデータ） (2023-02-21T13:02:36Z)
Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation for autonomous vehicles [63.20765930558542]
3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
論文参考訳（メタデータ） (2023-02-16T13:41:19Z)
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)
Omnidata: A Scalable Pipeline for Making Multi-Task Mid-Level Vision Datasets from 3D Scans [103.92680099373567]
本稿では,実世界の包括的3Dスキャンからマルチタスク視覚データセットをパラメトリックサンプリングし,レンダリングするパイプラインを提案する。サンプリングパラメータを変更することで、生成されたデータセットを“ステア”して、特定の情報を強調することが可能になる。生成されたスタータデータセットでトレーニングされた共通アーキテクチャは、複数の共通ビジョンタスクとベンチマークで最先端のパフォーマンスに達した。
論文参考訳（メタデータ） (2021-10-11T04:21:46Z)
The Marine Debris Dataset for Forward-Looking Sonar Semantic Segmentation [5.1627181881873945]
本稿では,FLS(Forward Looking Sonar)を用いて収集した海洋破片のセグメンテーションのための新しいデータセットを提案する。このデータセットを作成するために使われるオブジェクトは、典型的な住宅用海洋破片と、散逸した海洋物を含んでいる。各種エンコーダを用いたアートセマンティックセグメンテーションアーキテクチャの性能を,本データセットで解析した。
論文参考訳（メタデータ） (2021-08-15T19:29:23Z)
Self-supervised Audiovisual Representation Learning for Remote Sensing Data [96.23611272637943]
遠隔センシングにおける深層ニューラルネットワークの事前学習のための自己教師型アプローチを提案する。ジオタグ付きオーディオ記録とリモートセンシングの対応を利用して、これは完全にラベルなしの方法で行われる。提案手法は,既存のリモートセンシング画像の事前学習方法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-08-02T07:50:50Z)
DeepSatData: Building large scale datasets of satellite images for training machine learning models [77.17638664503215]
本稿では,機械学習モデルの学習のための衛星画像データセットの自動生成のための設計検討を行う。本稿では,ニューラルネットワークの深層学習と評価の観点から直面する課題について論じる。
論文参考訳（メタデータ） (2021-04-28T15:13:12Z)
Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and On-Device Inference [49.88536971774444]
慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
論文参考訳（メタデータ） (2020-01-13T04:41:54Z)

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。