論文の概要: Adaptive Detection of Fast Moving Celestial Objects Using a Mixture of Experts and Physical-Inspired Neural Network

• arxiv url: http://arxiv.org/abs/2504.07777v1
• Date: Thu, 10 Apr 2025 14:15:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-11 12:21:56.087955
• Title: Adaptive Detection of Fast Moving Celestial Objects Using a Mixture of Experts and Physical-Inspired Neural Network
• Title（参考訳）: エキスパートと物理的インスパイアされたニューラルネットワークの混合による高速移動セロトリアル物体の適応検出
• Authors: Peng Jia, Ge Li, Bafeng Cheng, Yushan Li, Rongyu Sun,
• Abstract要約: 本稿では,恒星場内を高速に移動する天体を検出するための新しいアルゴリズムを提案する。 我々のアプローチは、物理的にインスパイアされたニューラルネットワークに変換することで、最先端の高速移動天体検出ニューラルネットワークを強化する。 その結果,観測モードの異なる天体の高速移動を効果的に検出できることが示唆された。
• 参考スコア（独自算出の注目度）: 15.317211960461124
• License:
• Abstract: Fast moving celestial objects are characterized by velocities across the celestial sphere that significantly differ from the motions of background stars. In observational images, these objects exhibit distinct shapes, contrasting with the typical appearances of stars. Depending on the observational method employed, these celestial entities may be designated as near-Earth objects or asteroids. Historically, fast moving celestial objects have been observed using ground-based telescopes, where the relative stability of stars and Earth facilitated effective image differencing techniques alongside traditional fast moving celestial object detection and classification algorithms. However, the growing prevalence of space-based telescopes, along with their diverse observational modes, produces images with different properties, rendering conventional methods less effective. This paper presents a novel algorithm for detecting fast moving celestial objects within star fields. Our approach enhances state-of-the-art fast moving celestial object detection neural networks by transforming them into physical-inspired neural networks. These neural networks leverage the point spread function of the telescope and the specific observational mode as prior information; they can directly identify moving fast moving celestial objects within star fields without requiring additional training, thereby addressing the limitations of traditional techniques. Additionally, all neural networks are integrated using the mixture of experts technique, forming a comprehensive fast moving celestial object detection algorithm. We have evaluated our algorithm using simulated observational data that mimics various observations carried out by space based telescope scenarios and real observation images. Results demonstrate that our method effectively detects fast moving celestial objects across different observational modes.
• Abstract（参考訳）: 高速で動く天体は、背景の恒星の運動と大きく異なる天球を横切る速度によって特徴づけられる。 観測画像では、これらの天体は恒星の典型的な外観とは対照的に、異なる形状を示す。 観測方法によっては、これらの天体は地球近傍の天体や小惑星に指定することができる。 歴史的に、高速な天体は地上の望遠鏡で観測されており、恒星と地球の相対的な安定性は、従来の高速な天体検出と分類アルゴリズムと共に効果的な画像差分法を助長した。 しかし、宇宙望遠鏡の普及は、様々な観測モードとともに、異なる特性を持つ画像を生成するため、従来の手法では効果が低い。 本稿では,恒星場内を高速に移動する天体を検出するための新しいアルゴリズムを提案する。 我々のアプローチは、物理的にインスパイアされたニューラルネットワークに変換することで、最先端の高速移動天体検出ニューラルネットワークを強化する。 これらのニューラルネットワークは、望遠鏡の点拡散機能と特定の観測モードを事前情報として利用し、追加の訓練を必要とせず、星場内で動く高速な天体を直接特定できるため、従来の手法の限界に対処することができる。 さらに、すべてのニューラルネットワークは、専門家のテクニックの混合を使用して統合され、包括的な高速な天体検出アルゴリズムを形成する。 宇宙望遠鏡のシナリオや実観測画像による様々な観測を模倣したシミュレーション観測データを用いて,本アルゴリズムの評価を行った。 その結果,観測モードの異なる天体の高速移動を効果的に検出できることが示唆された。

関連論文リスト

• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• Vision-Based Detection of Uncooperative Targets and Components on Small Satellites [6.999319023465766]
  宇宙デブリと不活性衛星は、運用宇宙船の安全性と完全性に脅威をもたらす。 コンピュータビジョンモデルの最近の進歩は、そのような非協調的な目標を追跡する既存の方法を改善するために利用することができる。 本稿では,これらの物体を学習とコンピュータビジョンを用いて識別・監視する自律検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-08-22T02:48:13Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• Detection and Segmentation of Cosmic Objects Based on Adaptive Thresholding and Back Propagation Neural Network [0.0]
  本稿では,適応閾値法(ATM)に基づくセグメンテーションと,BPNNに基づく宇宙物体検出を提案する。 本稿では、ATMとBPNNを用いて天体の分類と検出を行う方法について述べる。
  論文  参考訳（メタデータ） (2023-08-02T04:02:46Z)
• Autonomous Satellite Detection and Tracking using Optical Flow [0.0]
  画像中の衛星検出と追跡の自律的手法を光学フローを用いて実装する。 光の流れは、一連の宇宙画像において検出された物体の速度を推定するために用いられる。 検出アルゴリズムは、シミュレートされた恒星画像と衛星の地上画像の両方を用いて実施される。
  論文  参考訳（メタデータ） (2022-04-14T15:23:27Z)
• The Right Spin: Learning Object Motion from Rotation-Compensated Flow Fields [61.664963331203666]
  人間がどのように動く物体を知覚するかは、コンピュータービジョンにおける長年の研究課題である。 この問題の1つのアプローチは、これらすべての効果をモデル化するためのディープネットワークを教えることである。 運動場からカメラの回転を推定する新しい確率モデルを提案する。
  論文  参考訳（メタデータ） (2022-02-28T22:05:09Z)
• Space Non-cooperative Object Active Tracking with Deep Reinforcement Learning [1.212848031108815]
  DRLAVTと命名されたDQNアルゴリズムに基づくエンドツーエンドのアクティブなトラッキング手法を提案する。 追尾宇宙船のアプローチを、色やRGBD画像にのみ依存した任意の空間の非協力目標に導くことができる。 位置ベースのビジュアルサーボベースラインアルゴリズムでは、最先端の2DモノクロトラッカーであるSiamRPNをはるかに上回っている。
  論文  参考訳（メタデータ） (2021-12-18T06:12:24Z)
• Rapid Detection of Aircrafts in Satellite Imagery based on Deep Neural Networks [2.7716102039510564]
  本論文では,深層学習技術を用いた衛星画像の航空機検出に焦点をあてる。 本稿では,航空機検出にYOLO深層学習フレームワークを用いた。 改良されたモデルは小さい、回転する、および密集した目的がリアルタイムの条件を満たす異なった未知のイメージのよい正確さそして性能を示します。
  論文  参考訳（メタデータ） (2021-04-21T18:13:16Z)
• FMODetect: Robust Detection and Trajectory Estimation of Fast Moving Objects [110.29738581961955]
  高速移動物体の検出と軌道推定のための最初の学習ベースアプローチを提案する。 提案手法は, 高速移動物体を軌道への切り離された距離関数として検出する。 シャープな外観推定のために,エネルギー最小化に基づくデブロワーリングを提案する。
  論文  参考訳（メタデータ） (2020-12-15T11:05:34Z)
• Perceiving Traffic from Aerial Images [86.994032967469]
  本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-16T11:37:43Z)
• End-to-end Learning for Inter-Vehicle Distance and Relative Velocity Estimation in ADAS with a Monocular Camera [81.66569124029313]
  本稿では,ディープニューラルネットワークのエンドツーエンドトレーニングに基づくカメラによる車間距離と相対速度推定手法を提案する。 提案手法の重要な特徴は,2つの時間的単眼フレームによって提供される複数の視覚的手がかりの統合である。 また,移動場における視線歪みの影響を緩和する車両中心サンプリング機構を提案する。
  論文  参考訳（メタデータ） (2020-06-07T08:18:31Z)

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。