論文の概要: EvDetMAV: Generalized MAV Detection from Moving Event Cameras
- arxiv url: http://arxiv.org/abs/2506.19416v2
- Date: Wed, 25 Jun 2025 06:25:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-26 12:28:29.377841
- Title: EvDetMAV: Generalized MAV Detection from Moving Event Cameras
- Title（参考訳）: EvDetMAV:移動イベントカメラからの一般化MAV検出
- Authors: Yin Zhang, Zian Ning, Xiaoyu Zhang, Shiliang Guo, Peidong Liu, Shiyu Zhao,
- Abstract要約: 既存の航空機(MAV)検出方法は、主にRGB画像のターゲットの外観特徴に依存している。
イベントストリーム中のプロペラの特徴をフル活用して,イベントカメラから異なる種類のMAVを検出する方法について検討する。
これは、複数のシナリオと異なる種類のMAVからなる、最初のイベントベースのMAVデータセットである。
- 参考スコア（独自算出の注目度）: 19.204398455931724
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing micro aerial vehicle (MAV) detection methods mainly rely on the target's appearance features in RGB images, whose diversity makes it difficult to achieve generalized MAV detection. We notice that different types of MAVs share the same distinctive features in event streams due to their high-speed rotating propellers, which are hard to see in RGB images. This paper studies how to detect different types of MAVs from an event camera by fully exploiting the features of propellers in the original event stream. The proposed method consists of three modules to extract the salient and spatio-temporal features of the propellers while filtering out noise from background objects and camera motion. Since there are no existing event-based MAV datasets, we introduce a novel MAV dataset for the community. This is the first event-based MAV dataset comprising multiple scenarios and different types of MAVs. Without training, our method significantly outperforms state-of-the-art methods and can deal with challenging scenarios, achieving a precision rate of 83.0\% (+30.3\%) and a recall rate of 81.5\% (+36.4\%) on the proposed testing dataset. The dataset and code are available at: https://github.com/WindyLab/EvDetMAV.
- Abstract（参考訳）: 既存のマイクロエアロビー(MAV)検出法は主にRGB画像のターゲットの外観特徴に依存しており、その多様性によってMAV検出の一般化は困難である。
RGB画像では見るのが難しい高速回転プロペラのため,様々な種類のMAVがイベントストリームで同じ特徴を共有していることに気付きました。
本稿では,プロペラの特徴を生かして,イベントカメラから異なる種類のMAVを検出する方法について検討する。
提案手法は,背景物体やカメラの動きからノイズを除去しながら,プロペラの時空間的特徴と時空間的特徴を抽出する3つのモジュールから構成される。
既存のイベントベースのMAVデータセットは存在しないので、コミュニティ向けの新しいMAVデータセットを導入します。
これは、複数のシナリオと異なる種類のMAVからなる、最初のイベントベースのMAVデータセットである。
トレーニングなしでは,本手法は最先端手法を著しく上回り,精度83.0\% (+30.3\%) とリコール率81.5\% (+36.4\%) を達成した。
データセットとコードは、https://github.com/WindyLab/EvDetMAV.comで入手できる。
関連論文リスト
- UAV-DETR: Efficient End-to-End Object Detection for Unmanned Aerial Vehicle Imagery [14.599037804047724]
無人航空機物体検出(UAV-OD)は様々なシナリオで広く用いられている。
既存のUAV-ODアルゴリズムの多くは手動で設計したコンポーネントに依存しており、広範囲なチューニングを必要とする。
本稿では,UAV画像に適した効率的な検出変換器(DETR)フレームワークを提案する。
論文 参考訳（メタデータ） (2025-01-03T15:11:14Z) - Motion-guided small MAV detection in complex and non-planar scenes [10.15211816323658]
複雑なシーンや非平面シーンで小さなMAVを正確に識別できる動き誘導型MAV検出器を提案する。
提案手法は, 動的, 複雑な背景から, 極めて小さなMAVを効果的に, 効率的に検出することができる。
論文 参考訳（メタデータ） (2024-10-14T14:06:41Z) - Domain Adaptive Detection of MAVs: A Benchmark and Noise Suppression Network [26.26788054611157]
MAV検出の方法は、トレーニングセットとテストセットが同じ分布を持つと仮定する。
提案したデータセットに基づいて,クロスドメインMAV検出のための新しいベンチマークを提案する。
擬似ラベルの枠組みと大規模から小規模の訓練手順に基づく騒音抑制ネットワーク(NSN)
論文 参考訳（メタデータ） (2024-03-25T12:07:24Z) - Global-Local MAV Detection under Challenging Conditions based on
Appearance and Motion [27.11400452401168]
本研究では,MAV検出のための動作特徴と外観特徴を融合させるグローバルなMAV検出器を提案する。
提案した検出器の有効性をトレーニングし、検証するために、新しいデータセットが作成される。
特に、この検出器はNVIDIA Jetson NX Xavier上でほぼリアルタイムのフレームレートで動作させることができる。
論文 参考訳（メタデータ） (2023-12-18T08:06:36Z) - Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve
Aerial Visual Perception? [57.77643186237265]
我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。
MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。
これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
論文 参考訳（メタデータ） (2023-12-07T18:59:14Z) - Adaptive Multi-source Predictor for Zero-shot Video Object Segmentation [68.56443382421878]
ゼロショットビデオオブジェクトセグメンテーション(ZVOS)のための新しい適応型マルチソース予測器を提案する。
静的オブジェクト予測器では、RGBソースは、同時に深度および静注ソースに変換される。
実験の結果,提案モデルは3つのZVOSベンチマークにおいて最先端の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-03-18T10:19:29Z) - Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline [80.13652104204691]
本稿では,可視熱UAV追跡(VTUAV)のための高多様性の大規模ベンチマークを構築する。
本稿では, フレームレベルの属性を, チャレンジ固有のトラッカーの可能性を利用するための粗粒度属性アノテーションを提案する。
さらに,様々なレベルでRGB-Tデータを融合するHMFT(Hierarchical Multi-modal Fusion Tracker)という新しいRGB-Tベースラインを設計する。
論文 参考訳（メタデータ） (2022-04-08T15:22:33Z) - Multi-Source Fusion and Automatic Predictor Selection for Zero-Shot
Video Object Segmentation [86.94578023985677]
ゼロショットビデオオブジェクトセグメンテーションのための新しいマルチソースフュージョンネットワークを提案する。
提案手法は,最先端技術に対する魅力的な性能を実現する。
論文 参考訳（メタデータ） (2021-08-11T07:37:44Z) - M3DeTR: Multi-representation, Multi-scale, Mutual-relation 3D Object
Detection with Transformers [78.48081972698888]
M3DeTRは、マルチスケールのフィーチャーピラミッドに基づいて、異なるポイントクラウド表現と異なる機能スケールを組み合わせたものです。
M3DeTRは、複数のポイントクラウド表現、機能スケール、およびトランスを使用してポイントクラウド間の相互関係を同時にモデル化する最初のアプローチです。
論文 参考訳（メタデータ） (2021-04-24T06:48:23Z) - 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)
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。