論文の概要: A Comprehensive Dataset for Underground Miner Detection in Diverse Scenario
- arxiv url: http://arxiv.org/abs/2506.21451v1
- Date: Thu, 26 Jun 2025 16:33:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-27 19:53:10.193486
- Title: A Comprehensive Dataset for Underground Miner Detection in Diverse Scenario
- Title（参考訳）: 各種シナリオにおける地中マイナー検出のための包括的データセット
- Authors: Cyrus Addy, Ajay Kumar Gurumadaiah, Yixiang Gao, Kwame Awuah-Offei,
- Abstract要約: 地下の採掘作業は、緊急対応能力を重要なものにする重要な安全上の課題に直面している。
ディープラーニングアルゴリズムは、自動マイニング検出のための潜在的なソリューションを提供するが、包括的なトレーニングデータセットを必要とする。
本稿では,地雷検出システムの開発と検証を目的とした,新しい熱画像データセットを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Underground mining operations face significant safety challenges that make emergency response capabilities crucial. While robots have shown promise in assisting with search and rescue operations, their effectiveness depends on reliable miner detection capabilities. Deep learning algorithms offer potential solutions for automated miner detection, but require comprehensive training datasets, which are currently lacking for underground mining environments. This paper presents a novel thermal imaging dataset specifically designed to enable the development and validation of miner detection systems for potential emergency applications. We systematically captured thermal imagery of various mining activities and scenarios to create a robust foundation for detection algorithms. To establish baseline performance metrics, we evaluated several state-of-the-art object detection algorithms including YOLOv8, YOLOv10, YOLO11, and RT-DETR on our dataset. While not exhaustive of all possible emergency situations, this dataset serves as a crucial first step toward developing reliable thermal-based miner detection systems that could eventually be deployed in real emergency scenarios. This work demonstrates the feasibility of using thermal imaging for miner detection and establishes a foundation for future research in this critical safety application.
- Abstract（参考訳）: 地下の採掘作業は、緊急対応能力を重要なものにする重要な安全上の課題に直面している。
ロボットは捜索・救助活動の支援を約束しているが、その効果は信頼性の高い地雷検出能力に依存している。
ディープラーニングアルゴリズムは、自動地雷検出のための潜在的なソリューションを提供するが、現在地下の鉱業環境に欠けている包括的なトレーニングデータセットを必要とする。
本稿では,地雷検出システムの開発と検証を可能とした新しい熱画像データセットを提案する。
種々の鉱業活動やシナリオの熱画像を体系的に取得し, 検出アルゴリズムの堅牢な基盤を構築した。
ベースライン性能指標を確立するために, YOLOv8, YOLOv10, YOLO11, RT-DETRなどの最先端オブジェクト検出アルゴリズムをデータセット上で評価した。
あらゆる緊急事態を網羅するものではないが、このデータセットは、最終的に実際の緊急シナリオに展開される可能性のある、信頼性の高い熱ベースの地雷検出システムを開発するための重要な第一歩となる。
本研究は, 地雷検出に熱画像を用いることが可能であることを示すとともに, この臨界安全応用における今後の研究の基盤を確立するものである。
関連論文リスト
- Probing Deep into Temporal Profile Makes the Infrared Small Target Detector Much Better [63.567886330598945]
赤外線小目標(IRST)検出は、精度、普遍性、堅牢性、効率的な性能を同時に達成する上で困難である。
現在の学習に基づく手法は、空間的領域と短期的領域の両方から"より多くの情報を活用する。
本稿では、IRST検出のための時間次元でのみ計算を行う効率的な深部プローブネットワーク(DeepPro)を提案する。
論文 参考訳（メタデータ） (2025-06-15T08:19:32Z) - HoloMine: A Synthetic Dataset for Buried Landmines Recognition using Microwave Holographic Imaging [6.431432627253589]
本稿では,埋設地雷検出のための新しい合成データセットを提案する。
データセットは、41,800個のマイクロ波ホログラフィック画像(2D)と、さまざまな種類の埋没物体のホログラフィック反転スキャン(3D)で構成されている。
各種分類タスクのための合成データセットを用いて学習したいくつかの最先端ディープラーニングモデルの性能評価を行った。
論文 参考訳（メタデータ） (2025-02-28T13:53:35Z) - Experimental validation of UAV search and detection system in real wilderness environment [0.0]
地中海カルスト環境下での無人無人UAV探索の設計と実験を行った。
UAVは、既知の確率密度と検出関数に従って、Heath equation-driven Area Cover (HEDAC) ergodic control法を用いて誘導される。
論文 参考訳（メタデータ） (2025-02-24T17:53:54Z) - EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。
高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。
しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。
本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
論文 参考訳（メタデータ） (2024-08-08T13:19:37Z) - SimMining-3D: Altitude-Aware 3D Object Detection in Complex Mining
Environments: A Novel Dataset and ROS-Based Automatic Annotation Pipeline [0.9790236766474201]
鉱業環境における3次元物体検出に特化して設計された合成データセットSimMining 3Dを提案する。
このデータセットは、鉱山のベンチ内のさまざまな高さに位置する物体やセンサーを捉え、正確な採掘シナリオを正確に反映している。
本研究では,センサ対オブジェクトの高さ変化と点雲密度を考慮した評価指標を提案し,正確なモデル評価を可能にする。
論文 参考訳（メタデータ） (2023-12-11T04:33:45Z) - Burnt area extraction from high-resolution satellite images based on
anomaly detection [1.8843687952462738]
本稿では,ベクトル量子化変分オートエンコーダ(VQ-VAE)を用いて,非教師なし領域抽出を行う。
VQ-VAEをエンド・ツー・エンドのフレームワークに統合し、専用の植生、水、明るさ指数を用いて、集中的な後処理を行う。
論文 参考訳（メタデータ） (2023-08-25T13:25:27Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Unlocking the Use of Raw Multispectral Earth Observation Imagery for Onboard Artificial Intelligence [3.3810628880631226]
本研究は,ターゲットイベントの検出のためのデータセット作成を自動化する新しい手法を提案する。
提案手法は、まず、空間帯域登録とジオレファレンスからなるパイプラインを適用することにより、生データを処理する。
Level-1C製品上で、イベント固有の最先端アルゴリズムを活用することで、ターゲットイベントを検出する。
本研究では,温熱ホットスポットを含むSentinel-2生データの最初のデータセットであるTHRawS (Thermal Hotspots in Raw Sentinel-2 data) を実現するために提案手法を適用した。
論文 参考訳（メタデータ） (2023-05-12T09:54:21Z) - Incremental 3D Scene Completion for Safe and Efficient Exploration
Mapping and Planning [60.599223456298915]
本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。
本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。
最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
論文 参考訳（メタデータ） (2022-08-17T14:19:33Z) - Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using
Meta-Learning [64.92447072894055]
赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。
既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。
KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
論文 参考訳（メタデータ） (2021-10-07T02:28:18Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳（メタデータ） (2021-02-12T09:33:00Z)
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。