論文の概要: A UAV-Based VNIR Hyperspectral Benchmark Dataset for Landmine and UXO Detection

• arxiv url: http://arxiv.org/abs/2510.02700v1
• Date: Fri, 03 Oct 2025 03:40:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.253283
• Title: A UAV-Based VNIR Hyperspectral Benchmark Dataset for Landmine and UXO Detection
• Title（参考訳）: UAVに基づく地雷・UXO検出のためのVNIRハイパースペクトルベンチマークデータセット
• Authors: Sagar Lekhak, Emmett J. Ientilucci, Jasper Baur, Susmita Ghosh,
• Abstract要約: 本稿では,無人航空機(UAV)プラットフォームで得られた可視・近赤外(VNIR)ハイパースペクトル画像のベンチマークデータセットについて紹介する。 データセットは、表面、部分的に埋もれ、完全に埋まった構成を含む143個のリアルな代理地雷とUXOターゲットでシードされた制御された試験フィールド上で収集された。
• 参考スコア（独自算出の注目度）: 1.3999481573773072
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces a novel benchmark dataset of Visible and Near-Infrared (VNIR) hyperspectral imagery acquired via an unmanned aerial vehicle (UAV) platform for landmine and unexploded ordnance (UXO) detection research. The dataset was collected over a controlled test field seeded with 143 realistic surrogate landmine and UXO targets, including surface, partially buried, and fully buried configurations. Data acquisition was performed using a Headwall Nano-Hyperspec sensor mounted on a multi-sensor drone platform, flown at an altitude of approximately 20.6 m, capturing 270 contiguous spectral bands spanning 398-1002 nm. Radiometric calibration, orthorectification, and mosaicking were performed followed by reflectance retrieval using a two-point Empirical Line Method (ELM), with reference spectra acquired using an SVC spectroradiometer. Cross-validation against six reference objects yielded RMSE values below 1.0 and SAM values between 1 and 6 degrees in the 400-900 nm range, demonstrating high spectral fidelity. The dataset is released alongside raw radiance cubes, GCP/AeroPoint data, and reference spectra to support reproducible research. This contribution fills a critical gap in open-access UAV-based hyperspectral data for landmine detection and offers a multi-sensor benchmark when combined with previously published drone-based electromagnetic induction (EMI) data from the same test field.
• Abstract（参考訳）: 本稿では,無人航空機(UAV)プラットフォームで得られた可視・近赤外(VNIR)ハイパースペクトル画像のベンチマークデータセットについて紹介する。 データセットは、表面、部分的に埋もれ、完全に埋まった構成を含む143個のリアルな代理地雷とUXOターゲットでシードされた制御された試験フィールド上で収集された。 データ取得は、高度約20.6mで飛行し、398-1002nmの連続スペクトル帯を270個取得するマルチセンサー・ドローンプラットフォームに搭載されたヘッドウォール・ナノ・ハイパースペックセンサーを用いて行われた。 放射線校正, 矯正, モザイク処理を行った後, 2点経験線法 (ELM) を用いて反射率検索を行い, 基準スペクトルをSVC分光計で取得した。 6つの基準天体に対するクロスバリデーションは, RMSE値が1.0以下, SAM値が400-900nmの範囲で1～6度であり, 高いスペクトル忠実度を示した。 データセットは生の放射立方体、GCP/AeroPointデータ、再現可能な研究をサポートするリファレンススペクトルと共にリリースされている。 この貢献は、地雷検出のためのオープンアクセスUAVベースのハイパースペクトルデータにおいて重要なギャップを埋め、以前公表されたドローンベースの電磁誘導(EMI)データと組み合わせることで、マルチセンサーのベンチマークを提供する。

関連論文リスト

• MineInsight: A Multi-sensor Dataset for Humanitarian Demining Robotics in Off-Road Environments [0.5339846068056558]
  我々は,地雷検出のためのマルチセンサ,マルチスペクトルデータセットであるMineInsightを紹介した。 データセットには3つの異なるトラックに沿って分散された35の異なるターゲットがあり、多様で現実的なテスト環境を提供する。 MineInsightは地雷検出アルゴリズムの開発と評価のベンチマークとして機能する。
  論文  参考訳（メタデータ） (2025-06-05T10:08:24Z)
• Superpowering Open-Vocabulary Object Detectors for X-ray Vision [53.07098133237041]
  オープンボキャブラリオブジェクト検出(OvOD)は、X線スキャンで任意のアイテムを認識できるようにすることで、セキュリティスクリーニングに革命をもたらす。 RAXOは市販のRGB OvOD検出器を高強度X線検出に活用するフレームワークである。 RAXOはデュアルソース検索戦略を用いて高品質なX線クラス記述子を構築する。
  論文  参考訳（メタデータ） (2025-03-21T11:54:16Z)
• Soil analysis with machine-learning-based processing of stepped-frequency GPR field measurements: Preliminary study [0.0]
  土壌浸透レーダ(GPR)は農業や園芸に関連する土壌パラメータを抽出する手段として広く研究されている。 トラクタ搭載エアカップリング型SFCW GPR機器を用いて広範囲にわたるフィールドサーベイを行う。 共記録電磁誘導(EMI)計で測定した電気伝導率(ECaR)を予測することにより,GPR計器の能力を評価する。
  論文  参考訳（メタデータ） (2024-04-24T16:30:12Z)
• SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale SAR Object Detection [79.23689506129733]
  我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。 私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。 私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
  論文  参考訳（メタデータ） (2024-03-11T09:20:40Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• The LuViRA Dataset: Synchronized Vision, Radio, and Audio Sensors for Indoor Localization [41.58739817444644]
  データセットには、カラー画像、対応する深度マップ、慣性測定ユニット(IMU)読み取り、5Gの大規模マルチインプットとMIMO(Multiple-output)テストベッドとユーザ機器のチャネル応答が含まれる。 これらのセンサーを同期させて、すべてのデータが同時に記録されるようにします。 このデータセットの主な目的は、ローカライゼーションタスクに最もよく使用されるセンサーとのセンサー融合の研究を可能にすることである。
  論文  参考訳（メタデータ） (2023-02-10T15:12:40Z)
• Supervised classification methods applied to airborne hyperspectral images: Comparative study using mutual information [0.0]
  本稿では,SVM,Random Forest RF,K-Nearest Neighbors KNN,Linear Discriminant Analysis LDAの4つの教師付き学習アルゴリズムの性能について検討する。 実験は、NASAの空中可視/赤外線イメージング分光計センサーAVIRISと反射光学系イメージング分光計ROSISセンサーから得られた3つの実際のハイパースペクトルデータセットで実施された。
  論文  参考訳（メタデータ） (2022-10-27T13:39:08Z)
• Deep Learning based Multi-Modal Sensing for Tracking and State Extraction of Small Quadcopters [3.019035926889528]
  本稿では, クワッドコプター無人航空機(UAV)の検出, 追跡, ローカライズのためのマルチセンサ方式を提案する。 具体的には、FoV内のUAVを検出し、追跡するために、単眼のRGBとサーマルビデオ(固定されたプラットフォームからキャプチャする)を処理するパイプラインが開発されている。 2次元平面ライダーは、画素データの実際の距離測定への変換を可能にし、グローバル座標におけるUAVの局所化を可能にする。
  論文  参考訳（メタデータ） (2020-12-08T23:59:48Z)
• Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
  本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。 レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。 実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
  論文  参考訳（メタデータ） (2020-09-30T19:01:33Z)
• Machine Learning Techniques to Detect and Characterise Whistler Radio Waves [0.0]
  VLFアンテナ受信機は、稲妻ストロークによって発生するウィスラー波を検出するために使用できる。 ホイッスルの識別と特徴化は、プラズマ圏をリアルタイムで監視する上で重要なタスクである。 本研究の目的は、VLF受信機が提供するデータ中のwhirsを自動的に検出できる機械学習ベースのモデルを開発することである。
  論文  参考訳（メタデータ） (2020-02-04T12:05:44Z)

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。