論文の概要: ForestPersons: A Large-Scale Dataset for Under-Canopy Missing Person Detection
- arxiv url: http://arxiv.org/abs/2603.02541v1
- Date: Tue, 03 Mar 2026 02:56:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-04 21:38:10.608676
- Title: ForestPersons: A Large-Scale Dataset for Under-Canopy Missing Person Detection
- Title（参考訳）: ForestPersons:アンダーキャノピーの行方不明者検出のための大規模データセット
- Authors: Deokyun Kim, Jeongjun Lee, Jungwon Choi, Jonggeon Park, Giyoung Lee, Yookyung Kim, Myungseok Ki, Juho Lee, Jihun Cha,
- Abstract要約: ForestPersonsは、アンダーキャノピーな人検出用に特別に設計された、新しい大規模なデータセットである。
ForestPersonsには96,482枚の画像と204,078個のアノテーションが含まれている。
- 参考スコア（独自算出の注目度）: 10.063149938876851
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Detecting missing persons in forest environments remains a challenge, as dense canopy cover often conceals individuals from detection in top-down or oblique aerial imagery typically captured by Unmanned Aerial Vehicles (UAVs). While UAVs are effective for covering large, inaccessible areas, their aerial perspectives often miss critical visual cues beneath the forest canopy. This limitation underscores the need for under-canopy perspectives better suited for detecting missing persons in such environments. To address this gap, we introduce ForestPersons, a novel large-scale dataset specifically designed for under-canopy person detection. ForestPersons contains 96,482 images and 204,078 annotations collected under diverse environmental and temporal conditions. Each annotation includes a bounding box, pose, and visibility label for occlusion-aware analysis. ForestPersons provides ground-level and low-altitude perspectives that closely reflect the visual conditions encountered by Micro Aerial Vehicles (MAVs) during forest Search and Rescue (SAR) missions. Our baseline evaluations reveal that standard object detection models, trained on prior large-scale object detection datasets or SAR-oriented datasets, show limited performance on ForestPersons. This indicates that prior benchmarks are not well aligned with the challenges of missing person detection under the forest canopy. We offer this benchmark to support advanced person detection capabilities in real-world SAR scenarios. The dataset is publicly available at https://huggingface.co/datasets/etri/ForestPersons.
- Abstract（参考訳）: 森林環境における行方不明者の検出は依然として困難であり、密集した天蓋カバーは、通常無人航空機(UAV)が捉えたトップダウンまたは斜めの空中画像から個人を隠蔽する。
UAVは広大で到達不能な地域をカバーするのに有効であるが、その空中の視界は森の天蓋の下にある重要な視覚的手がかりを見逃すことが多い。
この制限は、このような環境で行方不明者を検出するのに、より適したアンダーキャノピーの視点の必要性を浮き彫りにする。
このギャップに対処するために、私たちは、アンダーキャノピーな人検出に特化した、新しい大規模データセットであるForestPersonsを紹介します。
ForestPersonsには96,482枚の画像と204,078個のアノテーションが含まれている。
各アノテーションには、オクルージョン認識分析のためのバウンディングボックス、ポーズ、可視性ラベルが含まれている。
ForestPersonsは、SAR(Forest Search and Rescue)ミッションでマイクロエアリアル・ビークル(MAV)が遭遇した視覚状態を深く反映した地上と低高度の視点を提供する。
ベースライン評価の結果,従来の大規模オブジェクト検出データセットやSAR指向データセットに基づいてトレーニングされた標準オブジェクト検出モデルは,フォレストパーソンに限られた性能を示すことがわかった。
これは、以前のベンチマークが森林の天蓋の下での人検出の欠如の課題とうまく一致していないことを示している。
我々は、実世界のSARシナリオにおける高度な人物検出機能をサポートするために、このベンチマークを提供する。
データセットはhttps://huggingface.co/datasets/etri/ForestPersonsで公開されている。
関連論文リスト
- 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) - Psych-Occlusion: Using Visual Psychophysics for Aerial Detection of Occluded Persons during Search and Rescue [41.03292974500013]
スモール・アンマンド・エアリアル・システムズ (SUAS) は、緊急対応 (ER) のシナリオにおいて「空の目」として機能する。
空中からの人物の効率的な検出は ミッションの成果を達成する上で 重要な役割を担います
sUAS搭載のコンピュータビジョン(CV)モデルの性能は、実生活の厳密な条件下で著しく低下する。
我々は、その人間の精度データを用いて、行動データセットであるサイコERの使用を例示し、検出モデルの損失関数を適応させる。
論文 参考訳（メタデータ） (2024-12-07T06:22:42Z) - MetaCap: Meta-learning Priors from Multi-View Imagery for Sparse-view Human Performance Capture and Rendering [91.76893697171117]
そこで本研究では, 高精度かつ高品質な幾何復元と新規なビュー合成手法を提案する。
私たちのキーとなるアイデアは、低解像度のマルチビュービデオからのみ、放射界の重みをメタラーニングすることです。
新しいデータセットWildDynaCap(ワイルドダイナキャップ)は、密集したカメラドームと細いカメラリグの両方に収まる被写体を含んでいる。
論文 参考訳（メタデータ） (2024-03-27T17:59:54Z) - Forest Inspection Dataset for Aerial Semantic Segmentation and Depth
Estimation [6.635604919499181]
森林調査のための大規模航空データセットを新たに導入する。
現実世界と仮想的な自然環境の記録も含んでいる。
地域の森林破壊度を評価するための枠組みを開発する。
論文 参考訳（メタデータ） (2024-03-11T11:26:44Z) - NOMAD: A Natural, Occluded, Multi-scale Aerial Dataset, for Emergency Response Scenarios [41.03292974500013]
Natural, Occluded, Multi-scale Aerial dataset (NOMAD) は、人体検知のためのベンチマークデータセットである。
NOMADは100種類のアクターで構成されており、全て歩いたり、横たわったり、隠れたりしている。
42,825フレームを含み、5.4kの解像度ビデオから抽出され、バウンディングボックスと10の異なる視界レベルを示すラベルで手動で注釈付けされている。
論文 参考訳（メタデータ） (2023-09-18T06:57:00Z) - Vision Transformers, a new approach for high-resolution and large-scale
mapping of canopy heights [50.52704854147297]
分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。
このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
論文 参考訳（メタデータ） (2023-04-22T22:39:03Z) - LiDAR-guided object search and detection in Subterranean Environments [12.265807098187297]
この研究は、視覚と深度センサーの相補的な性質を利用して、より長距離での物体検出を支援するマルチモーダル情報を活用する。
提案された研究は、DARPA Subterranean Challengeのファイナルで収集されたデータセットに基づいて、地下の環境でANYmalの四足歩行ロボットを用いて徹底的に検証されている。
論文 参考訳（メタデータ） (2022-10-26T19:38:19Z) - A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文 参考訳（メタデータ） (2022-06-13T19:14:06Z) - AdaFuse: Adaptive Multiview Fusion for Accurate Human Pose Estimation in
the Wild [77.43884383743872]
本稿では,アダプティブなマルチビュー融合手法であるAdaFuseについて述べる。
我々は、Human3.6M、Total Capture、CMU Panopticの3つの公開データセットに対するアプローチを広く評価した。
また,大規模合成データセットOcclusion-Personを作成し,咬合関節の数値評価を行う。
論文 参考訳（メタデータ） (2020-10-26T03:19:46Z) - Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。
UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文 参考訳（メタデータ） (2020-09-16T11:37:43Z) - EAGLE: Large-scale Vehicle Detection Dataset in Real-World Scenarios
using Aerial Imagery [3.8902657229395894]
航空画像における物体方向情報を用いた多種多様な車両検出のための大規模データセットを提案する。
様々なカメラセンサー、解像度、飛行高度、天候、照明、ヘイズ、シャドウ、時間、都市、国、オクルージョン、カメラアングルを備えた、さまざまな現実世界の状況からなる高解像度の空中画像が特徴である。
215,986のインスタンスに4つのポイントと向きで定義された向き付きバウンディングボックスがアノテートされており、このタスクでこれまでで最大のデータセットとなっている。
また、ヘイズやシャドウ除去の研究や、超高解像度やインペイントの応用も支援している。
論文 参考訳（メタデータ） (2020-07-12T23:00:30Z)
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。