Fugu-MT 論文翻訳(概要): 15,500 Seconds: Lean UAV Classification Leveraging PEFT and Pre-Trained Networks

論文の概要: 15,500 Seconds: Lean UAV Classification Leveraging PEFT and Pre-Trained Networks

arxiv url: http://arxiv.org/abs/2506.11049v2
Date: Wed, 02 Jul 2025 13:52:59 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-03 14:22:57.849905
Title: 15,500 Seconds: Lean UAV Classification Leveraging PEFT and Pre-Trained Networks
Title（参考訳）: 15500秒 - PEFTと事前トレーニングネットワークを活用したリーンUAV分類
Authors: Andrew P. Berg, Qian Zhang, Mia Y. Wang,
Abstract要約: 無人航空機(UAV)は、消費者と軍事用UAVの市場が拡大するにつれて、セキュリティ上の懸念がエスカレートする。本稿では,UAV音声分類における重要データ不足問題に対処する。
参考スコア（独自算出の注目度）: 2.3354223046061016
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Unmanned Aerial Vehicles (UAVs) pose an escalating security concerns as the market for consumer and military UAVs grows. This paper address the critical data scarcity challenges in deep UAV audio classification. We build upon our previous work expanding novel approaches such as: parameter efficient fine-tuning, data augmentation, and pre-trained networks. We achieve performance upwards of 95\% validation accuracy with EfficientNet-B0.
Abstract（参考訳）: 無人航空機(UAV)は、消費者と軍事用UAVの市場が拡大するにつれて、セキュリティ上の懸念が高まる。本稿では,UAV音声分類における重要データ不足問題に対処する。我々は,パラメータ効率のよい微調整,データ拡張,事前学習ネットワークなど,新しいアプローチを拡張したこれまでの成果に基づいて構築した。 EfficientNet-B0 を用いて 95 % の検証精度で性能を向上する。

関連論文リスト

4,500 Seconds: Small Data Training Approaches for Deep UAV Audio Classification [2.3354223046061016]
本研究では,UAV分類における深層学習のアプローチについて,データ不足の重要な問題に着目して検討する。合計4,500秒のオーディオサンプルを使用してモデルをトレーニングし、9クラスのデータセットに均等に分散する。我々は、畳み込みニューラルネットワーク(CNN)とアテンションベースのトランスフォーマーの使用を比較した。
論文参考訳（メタデータ） (2025-05-21T22:34:07Z)
Towards Building Secure UAV Navigation with FHE-aware Knowledge Distillation [0.0]
本稿では,セキュアなUAVナビゲーションの実現性を高めるため,知識蒸留を活用した革新的なアプローチを提案する。 RLとFHEを統合することで、我々のフレームワークは、暗号化されたUAVカメラフィードのリアルタイム処理を可能にしながら、敵攻撃に対する脆弱性に対処する。 FHEのレイテンシを軽減するために、知識蒸留を用いてネットワークを圧縮し、性能を損なうことなく18倍のスピードアップを実現している。
論文参考訳（メタデータ） (2024-11-01T07:04:24Z)
SOAR: Self-supervision Optimized UAV Action Recognition with Efficient Object-Aware Pretraining [65.9024395309316]
無人航空機(UAV)が捉えた航空映像の自己監督型事前学習アルゴリズムについて紹介する。我々は,UAVビデオの事前学習効率と下流行動認識性能を向上させるために,事前学習プロセスを通じて人体知識を取り入れた。
論文参考訳（メタデータ） (2024-09-26T21:15:22Z)
Securing the Skies: An IRS-Assisted AoI-Aware Secure Multi-UAV System with Efficient Task Offloading [3.427366431933441]
当社のフレームワークは,指数的AoI指標を取り入れ,盗難や妨害の脅威に対処するための秘密保持率を強調している。本稿では,タスクオフロードプロセスの最適化を目的とした,トランスフォーマー強化型Deep Reinforcement Learning (DRL) アプローチを提案する。
論文参考訳（メタデータ） (2024-04-06T17:41:00Z)
Evidential Detection and Tracking Collaboration: New Problem, Benchmark and Algorithm for Robust Anti-UAV System [56.51247807483176]
無人航空機(UAV)は輸送、監視、軍事など多くの地域で広く使われている。従来は、UAVの先行情報が常に提供されていた追跡問題として、このようなアンチUAVタスクを単純化していた。本稿では,従来のUAV情報を含まない複雑な場面において,UAVの認識を特徴とする新しい実用的対UAV問題を初めて定式化する。
論文参考訳（メタデータ） (2023-06-27T19:30:23Z)
Integrated Sensing, Computation, and Communication for UAV-assisted Federated Edge Learning [52.7230652428711]
フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
論文参考訳（メタデータ） (2023-06-05T16:01:33Z)
3D UAV Trajectory and Data Collection Optimisation via Deep Reinforcement Learning [75.78929539923749]
無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。 UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
論文参考訳（メタデータ） (2021-06-06T14:08:41Z)
UAV Path Planning for Wireless Data Harvesting: A Deep Reinforcement Learning Approach [18.266087952180733]
本稿では,IoT(Internet of Things)デバイスからのUAV対応データ収集に対するエンドツーエンド強化学習手法を提案する。自律ドローンは、限られた飛行時間と障害物回避を受ける分散センサーノードからデータを収集する。提案するネットワークアーキテクチャにより,エージェントが様々なシナリオパラメータの移動決定を行うことができることを示す。
論文参考訳（メタデータ） (2020-07-01T15:14:16Z)
Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep Reinforcement Learning Approach [88.45509934702913]
我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
論文参考訳（メタデータ） (2020-02-21T07:29:15Z)

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。