論文の概要: Enhancing Maritime Domain Awareness on Inland Waterways: A YOLO-Based Fusion of Satellite and AIS for Vessel Characterization
- arxiv url: http://arxiv.org/abs/2510.11449v1
- Date: Mon, 13 Oct 2025 14:19:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 18:06:30.401549
- Title: Enhancing Maritime Domain Awareness on Inland Waterways: A YOLO-Based Fusion of Satellite and AIS for Vessel Characterization
- Title（参考訳）: 陸域における海洋ドメインの意識向上:衛星とAISのYOLO融合による船体特性評価
- Authors: Geoffery Agorku, Sarah Hernandez, Hayley Hames, Cade Wagner,
- Abstract要約: 内陸水路におけるMDA(Maritime Domain Awareness)は,協調システムの脆弱性によって問題視されている。
本稿では,高解像度衛星画像と自動識別システム(AIS)の容器軌道データとを融合する新しい枠組みを提案する。
You Only Look Once (YOLO) v11オブジェクト検出モデルは、船舶タイプ、バージカバー、運用状況、バージカウント、旅行方向によって、船舶やバージを検出し、特徴付けるために使用される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Maritime Domain Awareness (MDA) for inland waterways remains challenged by cooperative system vulnerabilities. This paper presents a novel framework that fuses high-resolution satellite imagery with vessel trajectory data from the Automatic Identification System (AIS). This work addresses the limitations of AIS-based monitoring by leveraging non-cooperative satellite imagery and implementing a fusion approach that links visual detections with AIS data to identify dark vessels, validate cooperative traffic, and support advanced MDA. The You Only Look Once (YOLO) v11 object detection model is used to detect and characterize vessels and barges by vessel type, barge cover, operational status, barge count, and direction of travel. An annotated data set of 4,550 instances was developed from $5{,}973~\mathrm{mi}^2$ of Lower Mississippi River imagery. Evaluation on a held-out test set demonstrated vessel classification (tugboat, crane barge, bulk carrier, cargo ship, and hopper barge) with an F1 score of 95.8\%; barge cover (covered or uncovered) detection yielded an F1 score of 91.6\%; operational status (staged or in motion) classification reached an F1 score of 99.4\%. Directionality (upstream, downstream) yielded 93.8\% accuracy. The barge count estimation resulted in a mean absolute error (MAE) of 2.4 barges. Spatial transferability analysis across geographically disjoint river segments showed accuracy was maintained as high as 98\%. These results underscore the viability of integrating non-cooperative satellite sensing with AIS fusion. This approach enables near-real-time fleet inventories, supports anomaly detection, and generates high-quality data for inland waterway surveillance. Future work will expand annotated datasets, incorporate temporal tracking, and explore multi-modal deep learning to further enhance operational scalability.
- Abstract（参考訳）: 内陸水路におけるMDA(Maritime Domain Awareness)は,協調システムの脆弱性によって問題視されている。
本稿では,高解像度衛星画像と自動識別システム(AIS)の容器軌道データとを融合させる新しい枠組みを提案する。
本研究は,非協調衛星画像を活用することによるAISに基づく監視の限界に対処し,視覚検出とAISデータをリンクして暗黒船を識別し,協調的な交通を検証し,高度MDAをサポートする融合アプローチを実装した。
You Only Look Once (YOLO) v11オブジェクト検出モデルは、船舶タイプ、バージカバー、運用状況、バージカウント、旅行方向によって、船舶やバージを検出し、特徴付けるために使用される。
4,550インスタンスの注釈付きデータセットは、ミシシッピ川下流の画像の5,5,973~\mathrm{mi}^2$から開発された。
維持試験セットの評価では、船の分類(タグボート、クレーンバージ、ばら積み貨物船、ホッパーバージ)は95.8 %、バージカバーは91.6 %、運用状態(ステージ内または動作中)の分類は99.4 %であった。
方向性(上流、下流)は 93.8 % の精度を得た。
バージカウント推定の結果、平均絶対誤差(MAE)は2.4バージとなった。
地理的に不連続な河川セグメント間での空間移動可能性解析の結果,98%まで精度が維持された。
これらの結果から,非協調型衛星センシングとAIS融合の併用の可能性が示唆された。
このアプローチは、ほぼリアルタイムの艦隊在庫を可能にし、異常検出をサポートし、内陸水路監視のための高品質なデータを生成する。
将来的には、注釈付きデータセットを拡張し、時間追跡を取り入れ、マルチモーダルなディープラーニングを探求して、運用のスケーラビリティをさらに向上する予定である。
関連論文リスト
- Machine Learning-Based Classification of Vessel Types in Straits Using AIS Tracks [0.0]
本稿では,AISデータのみを用いて移動船を分類する機械学習パイプラインを提案する。
我々は、バルト海のボルンホルム海峡をカバーするデンマーク海事局から8日間の歴史的AISを分析した。
論文 参考訳（メタデータ） (2025-09-09T19:52:43Z) - DORAEMON: Decentralized Ontology-aware Reliable Agent with Enhanced Memory Oriented Navigation [55.888688171010365]
DORAEMONは、人間のナビゲーション機能を模倣したVentralとDorsal Streamsで構成される、認知にインスパイアされたフレームワークである。
我々は,DORAEMONをHM3D,MP3D,GOATのデータセット上で評価し,成功率(SR)と成功度(SPL)の測定値の両方で最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-05-28T04:46:13Z) - Predicting Barge Presence and Quantity on Inland Waterways using Vessel Tracking Data: A Machine Learning Approach [0.0]
本研究では,内陸水路における船舶輸送量を予測するための機械学習手法を提案する。
AISはタグと曳航船の位置を追跡しているが、これらの船によって輸送される船舶の存在や数を監視していない。
この知見は、水路の管理やインフラ運営が目標の干ばつ活動のような地域に影響を与えることにも有用である。
論文 参考訳（メタデータ） (2024-12-31T19:28:21Z) - Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。
拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。
MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文 参考訳（メタデータ） (2024-05-01T12:03:39Z) - A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳（メタデータ） (2024-02-06T13:20:56Z) - 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) - 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) - Asynchronous Trajectory Matching-Based Multimodal Maritime Data Fusion
for Vessel Traffic Surveillance in Inland Waterways [12.7548343467665]
自動識別システム(AIS)とビデオカメラは、内陸水路における船舶の交通監視に広く利用されている。
本稿では,AIS ベースの容器情報と対応する視覚的目標とを融合させる,深層学習対応非同期軌道マッチング手法を提案する。
さらに,AISと映像に基づく動作特徴を組み合わせることで,より正確で堅牢な血管追跡結果を得るための知識駆動型抗閉塞法も提案する。
論文 参考訳（メタデータ） (2023-02-22T11:00:34Z) - Safe Vessel Navigation Visually Aided by Autonomous Unmanned Aerial
Vehicles in Congested Harbors and Waterways [9.270928705464193]
この研究は、従来のRGBカメラと補助的な絶対位置決めシステム(GPSなど)で捉えた長距離視覚データから未知の物体までの距離を検知し推定する最初の試みである。
シミュレーション結果は,UAV支援艦艇の視覚支援航法における提案手法の精度と有効性を示すものである。
論文 参考訳（メタデータ） (2021-08-09T08:15:17Z) - Real-Time target detection in maritime scenarios based on YOLOv3 model [65.35132992156942]
ウェブスクレイピングによって収集された56k以上の海洋船舶の画像からなる、新しい船舶データセットが提案されている。
Keras APIをベースとしたYOLOv3シングルステージ検出器がこのデータセット上に構築されている。
論文 参考訳（メタデータ） (2020-02-10T15:25:19Z)
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。