論文の概要: AeroLite-MDNet: Lightweight Multi-task Deviation Detection Network for UAV Landing

• arxiv url: http://arxiv.org/abs/2506.21635v1
• Date: Wed, 25 Jun 2025 13:48:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:22.946929
• Title: AeroLite-MDNet: Lightweight Multi-task Deviation Detection Network for UAV Landing
• Title（参考訳）: AeroLite-MDNet:UAV着陸のための軽量マルチタスク偏差検出ネットワーク
• Authors: Haiping Yang, Huaxing Liu, Wei Wu, Zuohui Chen, Ning Wu,
• Abstract要約: 本稿では,AeroLite-MDNetと呼ばれる新しい視覚モデルを用いたUAV着陸の偏差警報システムを提案する。 AWD(Average Warning Delay)と呼ばれる新しい評価指標を導入し,着陸偏差に対するシステムの感度を定量化する。 実験の結果, 偏差検出精度98.6%で0.7秒のAWDを実現した。
• 参考スコア（独自算出の注目度）: 9.858832286469765
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Unmanned aerial vehicles (UAVs) are increasingly employed in diverse applications such as land surveying, material transport, and environmental monitoring. Following missions like data collection or inspection, UAVs must land safely at docking stations for storage or recharging, which is an essential requirement for ensuring operational continuity. However, accurate landing remains challenging due to factors like GPS signal interference. To address this issue, we propose a deviation warning system for UAV landings, powered by a novel vision-based model called AeroLite-MDNet. This model integrates a multiscale fusion module for robust cross-scale object detection and incorporates a segmentation branch for efficient orientation estimation. We introduce a new evaluation metric, Average Warning Delay (AWD), to quantify the system's sensitivity to landing deviations. Furthermore, we contribute a new dataset, UAVLandData, which captures real-world landing deviation scenarios to support training and evaluation. Experimental results show that our system achieves an AWD of 0.7 seconds with a deviation detection accuracy of 98.6\%, demonstrating its effectiveness in enhancing UAV landing reliability. Code will be available at https://github.com/ITTTTTI/Maskyolo.git
• Abstract（参考訳）: 無人航空機(UAV)は、陸上測量、物質輸送、環境モニタリングといった様々な用途にますます採用されている。 データ収集や検査といったミッションの後、UAVはドッキングステーションに安全に着陸し、保管や充電を行う必要がある。 しかし、GPS信号の干渉などの要因により、正確な着陸は依然として困難である。 この問題に対処するために,AeroLite-MDNetと呼ばれる新しいビジョンベースモデルを用いて,UAV着陸時の偏差警報システムを提案する。 このモデルは、堅牢なクロススケールオブジェクト検出のためのマルチスケールフュージョンモジュールを統合し、効率的な配向推定のためのセグメンテーションブランチを組み込む。 AWD(Average Warning Delay)と呼ばれる新しい評価指標を導入し,着陸偏差に対するシステムの感度を定量化する。 さらに、トレーニングと評価をサポートするために、現実の着地逸脱シナリオをキャプチャするUAVLandDataという新しいデータセットをコントリビュートする。 実験の結果, 離差検出精度98.6\%のAWDを0.7秒で達成し, 無人航空機の着陸信頼性を高める効果を示した。 コードはhttps://github.com/ITTTTTI/Maskyolo.gitで入手できる。

関連論文リスト

• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• More Clear, More Flexible, More Precise: A Comprehensive Oriented Object Detection benchmark for UAV [58.89234732689013]
  CODroneは、現実の状況を正確に反映した、UAVのための包括的なオブジェクト指向オブジェクト検出データセットである。 また、下流のタスク要求に合わせて設計された新しいベンチマークとしても機能する。 我々は、CODroneを厳格に評価するために、22の古典的またはSOTA法に基づく一連の実験を行う。
  論文  参考訳（メタデータ） (2025-04-28T17:56:02Z)
• Unsupervised UAV 3D Trajectories Estimation with Sparse Point Clouds [18.48877348628721]
  本稿では,時空間シーケンス処理を用いたコスト効率,教師なしUAV検出手法を提案する。 CVPR 2024 UG2+ Challengeの4位にランクインした。 我々は、研究コミュニティ.com/lianghanfang/UnLiDAR-UAV-Estのすべての設計、コード、サンプルデータをオープンソース化する予定です。
  論文  参考訳（メタデータ） (2024-12-17T09:30:31Z)
• Robust Low-Cost Drone Detection and Classification in Low SNR Environments [0.9087641068861043]
  ドローンを検知し、分類する能力について、様々な畳み込みニューラルネットワーク(CNN)を評価した。 本稿では,標準コンピュータ,ソフトウェア定義無線(SDR),アンテナを用いた低コストドローン検知システムについて紹介する。
  論文  参考訳（メタデータ） (2024-06-26T12:50:55Z)
• MMAUD: A Comprehensive Multi-Modal Anti-UAV Dataset for Modern Miniature Drone Threats [37.981623262267036]
  MMAUDは、ドローン検出、UAV型分類、軌道推定に焦点を当てて、現代の脅威検出手法における重要なギャップに対処する。 これは、熱とRGBを使用して特定のベタージュポイントでキャプチャされたデータセットよりも忠実度の高い実世界のシナリオに対処するための、ユニークな頭上の空中検出を提供する。 提案するモダリティは費用対効果が高く適応性が高いため,UAV脅威検出ツールの実験と実装が可能である。
  論文  参考訳（メタデータ） (2024-02-06T04:57:07Z)
• Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios [66.05091704671503]
  本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。 また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-04T08:41:20Z)
• Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
  航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。 本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。 本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2021-11-17T21:48:31Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• A Multi-UAV System for Exploration and Target Finding in Cluttered and GPS-Denied Environments [68.31522961125589]
  複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。 UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。 その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T12:54:04Z)

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。