論文の概要: Real-Time Drone Detection in Event Cameras via Per-Pixel Frequency Analysis

• arxiv url: http://arxiv.org/abs/2603.08386v1
• Date: Mon, 09 Mar 2026 13:45:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:16.109191
• Title: Real-Time Drone Detection in Event Cameras via Per-Pixel Frequency Analysis
• Title（参考訳）: 画素ごとの周波数解析によるイベントカメラのリアルタイムドローン検出
• Authors: Michael Bezick, Majid Sahin,
• Abstract要約: 非均一離散フーリエ変換(NDFT)を用いた画素単位の時間解析フレームワークを提案する。 本手法は, ドローンローターの周波数特性を周波数スペクトルの周波数コムに特徴付けるために, 純粋に解析的手法を用いる。 DDHFは平均ローカライゼーションF1スコアが90.89%、平均レイテンシが2.39ms、YOLOは66.74%、フレーム当たり12.40msである。
• 参考スコア（独自算出の注目度）: 0.037365826814304774
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting fast-moving objects, such as unmanned aerial vehicle (UAV), from event camera data is challenging due to the sparse, asynchronous nature of the input. Traditional Discrete Fourier Transforms (DFT) are effective at identifying periodic signals, such as spinning rotors, but they assume uniformly sampled data, which event cameras do not provide. We propose a novel per-pixel temporal analysis framework using the Non-uniform Discrete Fourier Transform (NDFT), which we call Drone Detection via Harmonic Fingerprinting (DDHF). Our method uses purely analytical techniques that identify the frequency signature of drone rotors, as characterized by frequency combs in their power spectra, enabling a tunable and generalizable algorithm that achieves accurate real-time localization of UAV. We compare against a YOLO detector under equivalent conditions, demonstrating improvement in accuracy and latency across a difficult array of drone speeds, distances, and scenarios. DDHF achieves an average localization F1 score of 90.89% and average latency of 2.39ms per frame, while YOLO achieves an F1 score of 66.74% and requires 12.40ms per frame. Through utilization of purely analytic techniques, DDHF is quickly tuned on small data, easily interpretable, and achieves competitive accuracies and latencies to deep learning alternatives.
• Abstract（参考訳）: 無人航空機(UAV)のような高速移動物体をイベントカメラデータから検出することは、入力の希薄で非同期な性質のため困難である。 従来の離散フーリエ変換(DFT)は回転ローターのような周期的な信号を特定するのに有効であるが、イベントカメラが提供しない均一なサンプルデータを想定している。 本研究では,非一様離散フーリエ変換 (NDFT) を用いて,高調波フィンガープリント (DDHF) によるDrone Detection を新たに提案する。 提案手法は,ドローンローターの周波数特性を周波数スペクトルの周波数コムで識別する純粋解析手法を用いて,UAVの正確なリアルタイムローカライゼーションを実現するための可変かつ一般化可能なアルゴリズムを実現する。 我々は、同等条件下でYOLO検出器と比較し、難易度の高いドローンの速度、距離、シナリオにおける精度とレイテンシの向上を示す。 DDHFは平均ローカライゼーションF1スコアが90.89%、平均レイテンシが2.39ms、YOLOは66.74%、フレーム当たり12.40msである。 DDHFは、純粋に解析的な手法を利用することで、小さなデータに素早く調整され、容易に解釈でき、競合する精度とディープラーニングの代替品のレイテンシを実現する。

関連論文リスト

• Event-Based Visual Teach-and-Repeat via Fast Fourier-Domain Cross-Correlation [52.46888249268445]
  本稿では,最初のイベントカメラを用いた視覚指導・再生システムを提案する。 本研究では,イベントストリームマッチング問題を計算効率の良い空間乗算に変換する周波数領域相互相関フレームワークを開発した。 Prophesee EVK4 HDイベントカメラをAgileX Scout Miniロボットに搭載した実験では、自律走行が成功している。
  論文  参考訳（メタデータ） (2025-09-21T23:53:31Z)
• LSCD: Lomb-Scargle Conditioned Diffusion for Time series Imputation [55.800319453296886]
  欠落または不規則なサンプルデータを持つ時系列は、機械学習において永続的な課題である。 我々は,不規則サンプルデータのパワースペクトルの信頼性の高い計算を可能にする,異なるLombiable-Scargle層を導入する。
  論文  参考訳（メタデータ） (2025-06-20T14:48:42Z)
• Dim and Small Target Detection for Drone Broadcast Frames Based on Time-Frequency Analysis [13.693769465573297]
  本稿では,通信プロトコルの時間周波数解析に基づく,ドローン放送フレームのターゲット検出アルゴリズムを提案する。 提案アルゴリズムは,既存のアルゴリズムと比較して評価基準を2.27%改善する。
  論文  参考訳（メタデータ） (2025-05-14T02:53:42Z)
• DRO: Doppler-Aware Direct Radar Odometry [11.042292216861762]
  移動ロボットアプリケーションのためのレーダーによるセンシングのルネッサンスが進行中である。 スピン周波数変調連続波レーダのための新しいSE(2)オドメトリー手法を提案する。 提案手法は,公開データセットから250km以上のオンロードデータに対して検証されている。
  論文  参考訳（メタデータ） (2025-04-29T01:20:30Z)
• FlexEvent: Towards Flexible Event-Frame Object Detection at Varying Operational Frequencies [59.10607296658509]
  イベントカメラは、動的環境におけるリアルタイムの知覚に相容れないアドバンテージを提供する。 イベント検出器は固定周波数のパラダイムによって制限されており、イベントデータの高時間分解能と適応性を完全に活用できない。 我々は、様々な周波数で検出できる新しいフレームワークFlexEventを提案する。
  論文  参考訳（メタデータ） (2024-12-09T17:57:14Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Faster Region-Based CNN Spectrum Sensing and Signal Identification in Cluttered RF Environments [0.7734726150561088]
  高速領域ベース畳み込みニューラルネットワーク(FRCNN)を1次元(1次元)信号処理と電磁スペクトルセンシングに最適化する。 その結果,本手法はローカライズ性能が向上し,2次元同値よりも高速であることがわかった。
  論文  参考訳（メタデータ） (2023-02-20T09:35:13Z)
• Frequency Cam: Imaging Periodic Signals in Real-Time [0.40611352512781873]
  画像画素が点滅する基本周波数を検出するための効率的なイベントカメラアルゴリズムを提案する。 フルセンサ・周波数イメージングにおける重要な設計パラメータについて論じる。 ラップトップCPUの単一コア上で,毎秒5000万イベント以上で動作する,ROSノードとしてのオープンソース実装である Frequency Cam について紹介する。
  論文  参考訳（メタデータ） (2022-11-01T00:08:35Z)
• Fourier Disentangled Space-Time Attention for Aerial Video Recognition [54.80846279175762]
  本稿では,UAVビデオ行動認識のためのFAR(Fourier Activity Recognition)アルゴリズムを提案する。 我々の定式化は、人間のエージェントを背景から自然に分離するために、新しいフーリエオブジェクト・ディコンタングルメント法を用いています。 我々はUAV Human RGB、UAV Human Night、Drone Action、NEC Droneを含む複数のUAVデータセットに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2022-03-21T01:24:53Z)
• Wavelet-Based Network For High Dynamic Range Imaging [64.66969585951207]
  光学フローベースやエンド・ツー・エンドのディープラーニングベースのソリューションのような既存の方法は、詳細な復元やゴーストを除去する際にエラーを起こしやすい。 本研究では、周波数領域でHDR融合を行うための新しい周波数誘導型エンド・ツー・エンドディープニューラルネットワーク(FNet)を提案し、ウェーブレット変換(DWT)を用いて入力を異なる周波数帯域に分解する。 低周波信号は特定のゴーストアーティファクトを避けるために使用され、高周波信号は詳細を保存するために使用される。
  論文  参考訳（メタデータ） (2021-08-03T12:26:33Z)

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。