論文の概要: Multimodal Object Detection Under Sparse Forest-Canopy Occlusion

• arxiv url: http://arxiv.org/abs/2605.15326v1
• Date: Thu, 14 May 2026 18:39:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 03:45:13.12787
• Title: Multimodal Object Detection Under Sparse Forest-Canopy Occlusion
• Title（参考訳）: スパークフォレストキャノピーオクルージョンによるマルチモーダル物体検出
• Authors: Nitik Jain, Mangal Kothari,
• Abstract要約: 本稿では,3つの補完的アプローチを統合するマルチモーダルな概念実証パイプラインを提案する。 YOLOv5検出器は、Teledyne FLIR熱データセットに基づいて微調整され、熱画像と融解画像に基づいて評価される。 その結果, 地上のLiDAR構成は, 物体レベルの検出に限界があることがわかった。
• 参考スコア（独自算出の注目度）: 0.15469452301122175
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable detection of humans beneath forest canopy remains a difficult remote-sensing challenge due to sparse, structured, and viewpoint-dependent occlusion. This paper presents a multimodal proof-of-concept pipeline that integrates three complementary approaches: (i) experimental evaluation of LiDAR returns through vegetation to assess the feasibility of active sensing, (ii) visible--thermal image fusion using a multi-scale transform and sparse-representation framework to enhance human saliency, and (iii) synthetic-aperture image formation via Airborne Optical Sectioning (AOS) to suppress canopy clutter. A YOLOv5 detector is fine-tuned on the Teledyne FLIR thermal dataset and evaluated on thermal and fused imagery. Results show that the tested terrestrial LiDAR configuration provides limited penetration for object-level detection, while visible--thermal fusion improves target visibility in low-contrast scenes and AOS enhances ground-plane detection in synthetic forest imagery. The fine-tuned YOLOv5 achieves a mean average precision of $\sim$0.83 on the top three FLIR classes. These findings establish an initial baseline for UAV-deployable search-and-rescue and surveillance systems operating in forested environments, and motivate future work on dedicated forest datasets and real-time multimodal integration.
• Abstract（参考訳）: 森林の天蓋の下での人間の信頼性の高い検出は、スパース、構造化、視点に依存した閉塞によるリモートセンシングの難しい課題である。 本稿では,3つの補完的アプローチを統合するマルチモーダルな概念実証パイプラインを提案する。 一 アクティブセンシングの実現可能性を評価するため、植生を通してのLiDARの帰還実験 (II)マルチスケールトランスフォーメーションとスパース表現を用いた可視熱画像融合 三 空中光切断(AOS)による合成開口画像形成により、天蓋の隙間を抑えること。 YOLOv5検出器は、Teledyne FLIR熱データセットに基づいて微調整され、熱画像と融解画像に基づいて評価される。 その結果, 地中LiDARは, 低コントラスト領域における目標視認性を向上し, AOSは合成森林画像における地上面検出を向上する一方, 対象レベルの検出には限界があることがわかった。 細調整されたYOLOv5は、上位3つのFLIRクラスで平均平均精度が$\sim$0.83に達する。 これらの知見は、森林環境下で運用されているUAV対応の捜索・救助・監視システムの初期ベースラインを確立し、専用の森林データセットとリアルタイムマルチモーダル統合に向けた今後の取り組みを動機付けている。

関連論文リスト

• Under-Canopy Terrain Reconstruction in Dense Forests Using RGB Imaging and Neural 3D Reconstruction [0.565453222062465]
  従来のRGB画像のみを用いた天蓋のない光写実的地上ビューの再構築のための新しいアプローチを提案する。 提案手法は,最近の3次元再構成法であるNeRF(Neural Radiance Fields)に基づく。
  論文  参考訳（メタデータ） (2026-01-30T11:38:56Z)
• Forestpest-YOLO: A High-Performance Detection Framework for Small Forestry Pests [3.9627432442852544]
  本稿では,森林リモートセンシングのニュアンスに巧みに最適化された検出フレームワークであるフォレストペスト・ヨロを紹介する。 まず、ダウンサンプリングモジュールであるSPD-Convを統合し、ネットワーク全体を通して小さなターゲットに関する重要な高解像度の詳細が保存されるようにします。 これは、背景雑音を抑えながらマルチスケールの特徴表現を動的に強化する新しいクロスステージ機能融合ブロック、CSPOKによって補完される。
  論文  参考訳（メタデータ） (2025-10-01T06:06:40Z)
• D-YOLO a robust framework for object detection in adverse weather conditions [0.0]
  ヘイズ、雪、雨などの逆の気象条件は、画像品質の低下を招き、深層学習に基づく検知ネットワークの性能低下を招きかねない。 画像復元とオブジェクト検出のタスクをよりうまく統合するために,注目機能融合モジュールを備えた二重経路ネットワークを設計した。 我々はまた,検出ネットワークにヘイズフリーな機能を提供するサブネットワークを提案し,特に,明瞭な特徴抽出サブネットワークと検出ネットワーク間の距離を最小化することにより,検出ネットワークの性能を向上させる。
  論文  参考訳（メタデータ） (2024-03-14T09:57:15Z)
• Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
  我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。 設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
  論文  参考訳（メタデータ） (2024-02-28T18:59:31Z)
• MonoTDP: Twin Depth Perception for Monocular 3D Object Detection in Adverse Scenes [49.21187418886508]
  本論文は,モノTDP(MonoTDP)と呼ばれる悪シーンにおける2つの深度を知覚するモノクル3次元検出モデルを提案する。 まず、制御不能な気象条件を扱うモデルを支援するための適応学習戦略を導入し、様々な劣化要因による劣化を著しく抑制する。 そこで本研究では, シーン深度と物体深度を同時に推定する新たな2つの深度認識モジュールを提案する。
  論文  参考訳（メタデータ） (2023-05-18T13:42:02Z)
• An Interactively Reinforced Paradigm for Joint Infrared-Visible Image Fusion and Saliency Object Detection [59.02821429555375]
  この研究は、野生の隠れた物体の発見と位置決めに焦点をあて、無人のシステムに役立てる。 経験的分析により、赤外線と可視画像融合(IVIF)は、難しい物体の発見を可能にする。 マルチモーダル・サリエント・オブジェクト検出(SOD)は、画像内の物体の正確な空間的位置を正確に記述する。
  論文  参考訳（メタデータ） (2023-05-17T06:48:35Z)
• 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)
• Fully Convolutional One-Stage 3D Object Detection on LiDAR Range Images [96.66271207089096]
  FCOS-LiDARは、自律走行シーンのLiDAR点雲のための完全な1段式3Dオブジェクト検出器である。 標準的な2Dコンボリューションを持つRVベースの3D検出器は、最先端のBEVベースの検出器と同等の性能を発揮することを示す。
  論文  参考訳（メタデータ） (2022-05-27T05:42:16Z)
• A Multi-Stage model based on YOLOv3 for defect detection in PV panels based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
  本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。 このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。 提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
  論文  参考訳（メタデータ） (2021-11-23T08:04:32Z)

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。