論文の概要: Augmentation techniques for video surveillance in the visible and thermal spectral range
- arxiv url: http://arxiv.org/abs/2606.13042v1
- Date: Thu, 11 Jun 2026 08:25:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-12 15:55:27.671427
- Title: Augmentation techniques for video surveillance in the visible and thermal spectral range
- Title（参考訳）: 可視・熱スペクトル域における映像監視のための拡張手法
- Authors: Vanessa Buhrmester, Ann-Kristin Grosselfinger, David Munch, Michael Arens,
- Abstract要約: インテリジェントなビデオ監視では、カメラは昼と夜の間に画像のシーケンスを記録する。一般的に、これは異なるセンサーを必要とする。
我々は、長波長赤外線カメラが連続的に記録されている場合と、それに加えて、昼間の可視光域における別のカメラ記録に焦点を当てた。
より正確には、我々の仕事はマルチスペクトルCNNに基づく物体検出である。
- 参考スコア（独自算出の注目度）: 2.893226191913102
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In intelligent video surveillance, cameras record image sequences during day and night. Commonly, this demands different sensors. To achieve a better performance it is not unusual to combine them. We focus on the case that a long-wave infrared camera records continuously and in addition to this, another camera records in the visible spectral range during daytime and an intelligent algorithm supervises the picked up imagery. More accurate, our task is multispectral CNN-based object detection. At first glance, images originating from the visible spectral range differ between thermal infrared ones in the presence of color and distinct texture information on the one hand and in not containing information about thermal radiation that emits from objects on the other hand. Although color can provide valuable information for classification tasks, effects such as varying illumination and specialties of different sensors still represent significant problems. Anyway, obtaining sufficient and practical thermal infrared datasets for training a deep neural network poses still a challenge. That is the reason why training with the help of data from the visible spectral range could be advantageous, particularly if the data, which has to be evaluated contains both visible and infrared data. However, there is no clear evidence of how strongly variations in thermal radiation, shape, or color information influence classification accuracy. To gain deeper insight into how Convolutional Neural Networks make decisions and what they learn from different sensor input data, we investigate the suitability and robustness of different augmentation techniques...
- Abstract（参考訳）: インテリジェントなビデオ監視では、カメラは昼と夜の間に画像シーケンスを記録する。
一般的に、これは異なるセンサーを必要とする。
より良いパフォーマンスを達成するためには、それらを組み合わせることは珍しくありません。
我々は、長時間の赤外線カメラが連続的に記録するケースに焦点を当て、これに加えて、昼間の可視スペクトル範囲における別のカメラ記録と、撮像画像の監視を行うインテリジェントアルゴリズムに焦点を当てた。
より正確には、我々の仕事はマルチスペクトルCNNに基づく物体検出である。
一見すると、可視光域から発生する画像は、色の存在下での熱赤外光と片方の手の異なるテクスチャ情報と、他方の物体から放射される熱放射に関する情報を含まないものとの違いがある。
色は分類作業に有用な情報を提供することができるが、様々な照明やセンサーの特殊性などの影響は依然として重要な問題である。
いずれにせよ、ディープニューラルネットワークをトレーニングするための十分な、実用的な熱赤外データセットを取得することは、依然として課題である。
可視光域のデータによるトレーニングが有利になるのは、特に評価が必要なデータが可視データと赤外線データの両方を含んでいる場合である。
しかし, 熱放射, 形状, 色情報の変化が, 分類精度にどのような影響を及ぼすかは明らかになっていない。
畳み込みニューラルネットワークは、どのように意思決定を行い、異なるセンサー入力データから何を学ぶかについて、より深い洞察を得るために、異なる拡張テクニックの適合性と堅牢性について調査する。
関連論文リスト
- Knowledge-Guided Adversarial Training for Infrared Object Detection via Thermal Radiation Modeling [49.887347082863194]
本研究では,異なるクラス間の相対的な熱放射関係を,敵対的事例や共通の腐敗の複雑なシナリオの下で信頼性の高い知識源とみなすことができることを示す。
本稿では,赤外線物体検出のための知識誘導型逆トレーニング(KGAT)を提案する。
論文 参考訳（メタデータ） (2026-03-26T08:43:43Z) - Optimizing the image correction pipeline for pedestrian detection in the thermal-infrared domain [15.97485485068461]
赤外線画像は、霧や低照度シナリオのような低視認性状況に役立ちます。
熱雑音の傾向があり、さらなる処理と修正が必要である。
本研究では,異なる赤外線処理パイプラインが都市環境における歩行者検出性能に与える影響について検討した。
論文 参考訳（メタデータ） (2024-07-05T13:07:40Z) - Spatial-Temporal Frequency Forgery Clue for Video Forgery Detection in
VIS and NIR Scenario [87.72258480670627]
既存の周波数領域に基づく顔偽造検出手法では、GAN鍛造画像は、実際の画像と比較して、周波数スペクトルに明らかな格子状の視覚的アーチファクトを持つ。
本稿では,コサイン変換に基づくフォージェリークリュー拡張ネットワーク(FCAN-DCT)を提案し,より包括的な時空間特徴表現を実現する。
論文 参考訳（メタデータ） (2022-07-05T09:27:53Z) - Semantic Segmentation for Thermal Images: A Comparative Survey [0.0]
セマンティックセグメンテーションにおける赤外線スペクトルの利用には、自律運転、医療画像、農業、防衛産業など、多くの実世界のユースケースがある。
1つのアプローチは、可視光と赤外線のスペクトル画像の両方を入力として使用することである。
もう1つのアプローチは、熱画像のみを使用することで、より小さなユースケースでハードウェアコストを削減できる。
論文 参考訳（メタデータ） (2022-05-26T11:32:15Z) - Performance Evaluation of Infrared Image Enhancement Techniques [0.0]
赤外線画像は、医療画像、物体追跡、天文学、国境確保のための軍事目的など、多くの分野で広く利用されている。
波長範囲とそれに対応する周波数に基づいて、いくつかの種類の赤外線放射が存在する。
ノイズやその他のアーティファクトのため、IR画像ははっきりとは見えていない。
論文 参考訳（メタデータ） (2022-02-07T00:05:01Z) - A Comparison of Deep Saliency Map Generators on Multispectral Data in
Object Detection [9.264502124445348]
本研究は, それらの地図が異なるスペクトル間でどのように異なるかについて, 3つのサリエンシマップ生成法について検討する。
現実的な問題として、我々は自律運転のための赤外線および視覚スペクトルにおける物体検出を選択した。
その結果,赤外線と視覚のアクティベーションマップの違いが判明した。
さらに、赤外線と視覚データの両方による高度なトレーニングは、ネットワークの出力を改善するだけでなく、唾液マップのより焦点を絞ったスポットにもつながります。
論文 参考訳（メタデータ） (2021-08-26T12:56:49Z) - Multispectral Object Detection with Deep Learning [7.592218846348004]
本研究では,物体検出タスクにおいて,熱スペクトルとNIRスペクトルの両方を用いて撮像を行った。
我々は、マルチスペクトル画像から物体を検出するために、YOLO v3ネットワークをスクラッチからトレーニングする。
論文 参考訳（メタデータ） (2021-02-05T11:39:14Z) - Towards Online Monitoring and Data-driven Control: A Study of
Segmentation Algorithms for Laser Powder Bed Fusion Processes [83.97264034062673]
レーザーパウダーベッド融合機の増加は、オンライン監視とデータ駆動制御能力を改善するためにオフ軸赤外線カメラを使用する。
我々は、各赤外線画像を前景と背景に分割する30以上のセグメンテーションアルゴリズムについて検討する。
同定されたアルゴリズムは、レーザ粉体層融合機に容易に適用でき、上記の各制限に対処し、プロセス制御を大幅に改善することができる。
論文 参考訳（メタデータ） (2020-11-18T03:30:16Z) - Real-Time Drone Detection and Tracking With Visible, Thermal and
Acoustic Sensors [66.4525391417921]
熱赤外カメラは、ドローン検出タスクに対する実現可能な解決策であることが示されている。
また,センサ間距離の関数としての検出器性能についても検討した。
ドローン、鳥、飛行機、ヘリコプターの650個の注釈付き赤外線と可視ビデオを含む新しいビデオデータセットも紹介されている。
論文 参考訳（メタデータ） (2020-07-14T23:06:42Z) - Exploring Thermal Images for Object Detection in Underexposure Regions
for Autonomous Driving [67.69430435482127]
アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。
サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。
本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-01T09:59:09Z) - Drone-based RGB-Infrared Cross-Modality Vehicle Detection via
Uncertainty-Aware Learning [59.19469551774703]
ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。
我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。
私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
論文 参考訳（メタデータ） (2020-03-05T05:29:44Z)
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。