論文の概要: Vessel Length Estimation from Magnetic Wake Signature: A Physics-Informed Residual Neural Network Approach

• arxiv url: http://arxiv.org/abs/2504.19112v1
• Date: Sun, 27 Apr 2025 05:16:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.138519
• Title: Vessel Length Estimation from Magnetic Wake Signature: A Physics-Informed Residual Neural Network Approach
• Title（参考訳）: 磁気ウェイク信号による容器長推定:物理インフォームド残差ニューラルネットワークによるアプローチ
• Authors: Mohammad Amir Fallah, Mehdi Monemi, Matti Latva-aho,
• Abstract要約: 海洋リモートセンシングは、海洋監視、環境監視、および海軍作戦を強化する。 この技術の重要な構成要素である船長推定は、船舶分類などの機能を強化することにより、効果的な海上監視を支援する。 本稿では,血管の微妙な磁気覚醒信号を利用した血管長推定手法を提案する。
• 参考スコア（独自算出の注目度）: 8.62986288837424
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Marine remote sensing enhances maritime surveillance, environmental monitoring, and naval operations. Vessel length estimation, a key component of this technology, supports effective maritime surveillance by empowering features such as vessel classification. Departing from traditional methods relying on two-dimensional hydrodynamic wakes or computationally intensive satellite imagery, this paper introduces an innovative approach for vessel length estimation that leverages the subtle magnetic wake signatures of vessels, captured through a low-complexity one-dimensional profile from a single airborne magnetic sensor scan. The proposed method centers around our characterized nonlinear integral equations that connect the magnetic wake to the vessel length within a realistic finite-depth marine environment. To solve the derived equations, we initially leverage a deep residual neural network (DRNN). The proposed DRNN-based solution framework is shown to be unable to exactly learn the intricate relationships between parameters when constrained by a limited training-dataset. To overcome this issue, we introduce an innovative approach leveraging a physics-informed residual neural network (PIRNN). This model integrates physical formulations directly into the loss function, leading to improved performance in terms of both accuracy and convergence speed. Considering a sensor scan angle of less than $15^\circ$, which maintains a reasonable margin below Kelvin's limit angle of $19.5^\circ$, we explore the impact of various parameters on the accuracy of the vessel length estimation, including sensor scan angle, vessel speed, and sea depth. Numerical simulations demonstrate the superiority of the proposed PIRNN method, achieving mean length estimation errors consistently below 5\% for vessels longer than 100m. For shorter vessels, the errors generally remain under 10\%.
• Abstract（参考訳）: 海洋リモートセンシングは、海洋監視、環境監視、および海軍作戦を強化する。 この技術の重要な構成要素である船長推定は、船舶分類などの機能を強化することにより、効果的な海上監視を支援する。 本稿では,2次元の流体力学的な流れや計算集約的な衛星画像に依存する従来の手法とは別に,単一の磁気センサスキャンから低複雑さの1次元の形状を捉えた,血管の微妙な磁気的覚醒シグネチャを利用した容器長推定手法を提案する。 提案手法は, 現実的な有限深海環境において, 磁路と船体長を連結する非線形積分方程式を中心とする。 導出方程式を解くために、我々はまず、ディープ残差ニューラルネットワーク(DRNN)を利用する。 DRNNベースのソリューションフレームワークでは,限られたトレーニングデータセットに制約された場合,パラメータ間の複雑な関係を正確に学習できないことが示されている。 この問題を克服するために,物理インフォームド残差ニューラルネットワーク(PIRNN)を利用した革新的なアプローチを導入する。 このモデルは物理的定式化を直接損失関数に統合し、精度と収束速度の両方の観点から性能を向上させる。 ケルビンの限界角よりかなり低い15^\circ$以下のセンサースキャン角を考えると、センサスキャン角、血管速度、深度など、血管長推定の精度に対する様々なパラメータの影響を探索する。 数値シミュレーションにより提案手法の優位性を実証し,100m以上の船舶において平均長推定誤差を5倍以下に抑えることができた。 短い船では、誤差は一般的に10 %以下である。

関連論文リスト

• TacoDepth: Towards Efficient Radar-Camera Depth Estimation with One-stage Fusion [54.46664104437454]
  一段核融合を用いた効率的かつ正確なレーダ・カメラ深度推定モデルであるTacoDepthを提案する。 具体的には、グラフベースのRadar構造抽出器とピラミッドベースのRadar融合モジュールを設計する。 従来の最先端のアプローチと比較して、TacoDepthは深さ精度と処理速度を12.8%、91.8%改善している。
  論文  参考訳（メタデータ） (2025-04-16T05:25:04Z)
• Estimation of Sea State Parameters from Ship Motion Responses Using Attention-based Neural Networks [0.6193838300896448]
  本研究では, 船舶のピッチ, ヒーブ, ロール運動の時系列データから, 海の状態パラメータを推定するための新しいアテンションベースニューラルネットワーク(AT-NN)を適用した。 改良された最先端技術による提案手法により,MSEを23%,MAEを16%削減できることが実証された。
  論文  参考訳（メタデータ） (2023-01-21T13:21:50Z)
• Forecasting subcritical cylinder wakes with Fourier Neural Operators [58.68996255635669]
  実験によって測定された速度場の時間的変化を予測するために,最先端の演算子学習手法を適用した。 その結果、FNOはレイノルズ数の範囲で実験速度場の進化を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2023-01-19T20:04:36Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• Physics-informed compressed sensing for PC-MRI: an inverse Navier-Stokes problem [78.20667552233989]
  我々は、ノイズやスパース磁気共鳴信号から速度場を復元するための物理インフォームド圧縮センシング(PICS)法を定式化する。 本手法は, 疎サンプリング信号から速度場を再構成し, セグメンテーションすることができる。
  論文  参考訳（メタデータ） (2022-07-04T14:51:59Z)
• Variational encoder geostatistical analysis (VEGAS) with an application to large scale riverine bathymetry [1.2093180801186911]
  水位測定としても知られる河床形状の推定は,多くの応用において重要な役割を担っている。 本稿では,中央に狭い層を持つディープニューラルネットワークである可変オートエンコーダ(VAE)を利用するリダクション・オーダー・モデル(ROM)に基づくアプローチを提案する。 アメリカ合衆国,サバンナ川の1マイル到達地点において,我々の逆解析手法を検証した。
  論文  参考訳（メタデータ） (2021-11-23T08:27:48Z)
• Data-Driven System Identification of 6-DoF Ship Motion in Waves with Neural Networks [0.0]
  現在の波動環境と船の状態から船の応答の短期的予測は、有人・無人船の意思決定の強化を可能にした。 長い短期記憶(LSTM)ニューラルネットワークを用いて開発され、フリーランのデビッド・テイラー・モデル・ベースン(DTMB)5415駆逐艦の動作を表現する。 波高の時間履歴は、推定された遭遇フレームと共に移動し、ニューラルネットワークへの入力として機能する人工波プローブによって与えられ、出力は6-DOFの時間的船動応答である。
  論文  参考訳（メタデータ） (2021-11-02T17:51:35Z)
• Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
  MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。 これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。 我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-16T12:56:09Z)
• Physics-aware deep neural networks for surrogate modeling of turbulent natural convection [0.0]
  Rayleigh-B'enard乱流流に対するPINNのサーロゲートモデルの使用を検討する。 標準ピンの精度が低いゾーンであるトレーニング境界に近い正規化として、どのように機能するかを示す。 50億のDNS座標全体のサロゲートの予測精度は、相対的なL2ノルムで[0.3% -- 4%]の範囲のすべてのフロー変数のエラーをもたらします。
  論文  参考訳（メタデータ） (2021-03-05T09:48:57Z)
• 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)
• A Novel CNN-based Method for Accurate Ship Detection in HR Optical Remote Sensing Images via Rotated Bounding Box [10.689750889854269]
  船舶検出における現在のCNN法に共通する欠点を克服し, 新たなCNNに基づく船舶検出手法を提案する。 配向と他の変数を独立に予測できるが、より効果的に、新しい二分岐回帰ネットワークで予測できる。 船体検出において提案手法が優れていることを示す実験結果が得られた。
  論文  参考訳（メタデータ） (2020-04-15T14:48:46Z)

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。