論文の概要: AMLID: An Adaptive Multispectral Landmine Identification Dataset for Drone-Based Detection

• arxiv url: http://arxiv.org/abs/2512.18738v1
• Date: Sun, 21 Dec 2025 13:58:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.483685
• Title: AMLID: An Adaptive Multispectral Landmine Identification Dataset for Drone-Based Detection
• Title（参考訳）: AMLID: ドローンによる検出のための適応型マルチスペクトル地雷識別データセット
• Authors: James E. Gallagher, Edward J. Oughton,
• Abstract要約: 我々は,無人航空システム(UAS)による地雷検出のために,レッドグリーンブルー(RGB)とロングウェーブ赤外線(LWIR)画像を組み合わせた最初のオープンソースデータセットを提案する。 AMLIDは12,078枚のラベル付き画像で構成されており、金属およびプラスチックの組成において、対人および対戦車のカテゴリに21種類の地球規模の地雷が配置されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Landmines remain a persistent humanitarian threat, with an estimated 110 million mines deployed across 60 countries, claiming approximately 26,000 casualties annually. Current detection methods are hazardous, inefficient, and prohibitively expensive. We present the Adaptive Multispectral Landmine Identification Dataset (AMLID), the first open-source dataset combining Red-Green-Blue (RGB) and Long-Wave Infrared (LWIR) imagery for Unmanned Aerial Systems (UAS)-based landmine detection. AMLID comprises of 12,078 labeled images featuring 21 globally deployed landmine types across anti-personnel and anti-tank categories in both metal and plastic compositions. The dataset spans 11 RGB-LWIR fusion levels, four sensor altitudes, two seasonal periods, and three daily illumination conditions. By providing comprehensive multispectral coverage across diverse environmental variables, AMLID enables researchers to develop and benchmark adaptive detection algorithms without requiring access to live ordnance or expensive data collection infrastructure, thereby democratizing humanitarian demining research.
• Abstract（参考訳）: 地雷は依然として永続的な人道的脅威であり、60カ国に1億1000万の鉱山が展開され、毎年約2万6000人の死者を出したと推定されている。 現在の検出方法は危険であり、非効率であり、違法に高価である。 本稿では,無人航空システム(UAS)を用いた地雷検出のための赤緑色(RGB)とLWIR(Long-Wave Infrared)画像を組み合わせた,最初のオープンソースデータセットであるAdaptive Multispectral Landmine Identification Dataset(AMLID)を提案する。 AMLIDは12,078枚のラベル付き画像で構成され、金属およびプラスチックの組成において、対人および対戦車のカテゴリに21種類の世界展開された地雷を特徴とする。 データセットは、11のRGB-LWIR融合レベル、4つのセンサー高度、2つの季節、そして3つの毎日の照明条件にまたがる。 AMLIDは、様々な環境変数にわたる包括的なマルチスペクトルカバレッジを提供することで、研究者は、ライブオーダナンスや高価なデータ収集インフラへのアクセスを必要とせず、適応検出アルゴリズムを開発し、ベンチマークすることができる。

関連論文リスト

• A UAV-Based VNIR Hyperspectral Benchmark Dataset for Landmine and UXO Detection [1.3999481573773072]
  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。
  論文  参考訳（メタデータ） (2025-10-03T03:40:52Z)
• 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)
• Real-IAD D3: A Real-World 2D/Pseudo-3D/3D Dataset for Industrial Anomaly Detection [53.2590751089607]
  Real-IAD D3は高精度なマルチモーダルデータセットであり、フォトメトリックステレオによって生成された擬似3Dモダリティが組み込まれている。 本稿では,RGB,点雲,擬似3次元深度情報を統合し,各モードの相補的強度を活用する効果的な手法を提案する。 本実験は,検出の堅牢性向上とIAD全体の性能向上におけるこれらのモダリティの重要性を強調した。
  論文  参考訳（メタデータ） (2025-04-19T08:05:47Z)
• EarthDial: Turning Multi-sensory Earth Observations to Interactive Dialogues [46.601134018876955]
  本研究では,地球観測(EO)データに特化して設計された対話型アシスタントであるEarthDialを紹介する。 EarthDialはマルチスペクトル、マルチテンポラル、マルチ解像度の画像をサポートし、幅広いリモートセンシングタスクを可能にする。 44の下流データセットに対する実験結果から、EarthDialは既存のジェネリックモデルやドメイン固有モデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-12-19T18:57:13Z)
• GeoPlant: Spatial Plant Species Prediction Dataset [4.817737198128259]
  種分布モデル (SDM) は空間的特徴から空間を横断する種を予測する。 我々は空間分解能(10-50m)の高いSDMのための新しいヨーロッパ規模のデータセットを設計・開発してきた。 このデータセットは、5Mの不均一なPresence-Onlyレコードと90kの徹底的なPresence-Absenceサーベイレコードで構成されている。
  論文  参考訳（メタデータ） (2024-08-25T20:09:46Z)
• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [89.92916473403108]
  本稿では,新しい手法のモジュラーフレームワークであるADerの総合的な視覚異常検出ベンチマークを提案する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• 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)

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。