論文の概要: HARBOR: Heading Analysis and Reconstruction from Behavioral Observation and Radar
- arxiv url: http://arxiv.org/abs/2606.14006v1
- Date: Fri, 12 Jun 2026 00:57:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 16:00:42.700471
- Title: HARBOR: Heading Analysis and Reconstruction from Behavioral Observation and Radar
- Title（参考訳）: HARBOR:行動観測とレーダーによる頭部分析と再構築
- Authors: Joao P. A. Dantas, Paulo F. Silva Filho, Jelton A. Cunha, Gabriel Dietzsch,
- Abstract要約: この研究は、単一のSAR画像を予測運動情報に変換するための完全なパイプラインを導入する。
AISデータは、容器型依存運動パラメータを導出するために、オフラインキャリブレーションフェーズでのみ使用される。
実COSMO-SkyMed SAR画像を用いたケーススタディでは、パイプラインが動きの傾向を抽出する能力を示している。
- 参考スコア（独自算出の注目度）: 0.29165586612027233
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Maritime situational awareness often relies on Automatic Identification System (AIS) transmissions to track vessel movements. However, in operational or conflict scenarios, these data may be unavailable due to signal loss, deliberate deactivation, or intentional spoofing. In such conditions, synthetic aperture radar (SAR) imagery becomes a critical sensing alternative for wide-area maritime monitoring, despite providing only static scene snapshots. This work introduces HARBOR (Heading Analysis and Reconstruction from Behavioral Observation and Radar), a complete pipeline for transforming a single SAR image into predictive motion information without requiring any auxiliary data source at inference time. The method begins with SAR image preprocessing to enhance and segment vessel candidates, followed by automatic detection, size-based classification, and heading estimation using skeleton geometry and local intensity patterns. AIS data are used exclusively during an offline calibration phase to derive vessel-type-dependent motion parameters, which are then applied to generate probabilistic heatmaps of candidate future vessel positions. A case study using real COSMO-SkyMed SAR imagery demonstrates the pipeline on a maritime scene in southern Brazil, showing its ability to extract motion tendencies and generate probabilistic projections of vessel positions in data-denied environments.
- Abstract（参考訳）: 海上状況の認識は、しばしば船舶の動きを追跡するために自動識別システム(AIS)の送信に依存している。
しかし、運用または競合のシナリオでは、これらのデータは信号損失、故意の失活、または意図的な偽造のために利用できない可能性がある。
このような状況下では、合成開口レーダ(SAR)画像は、静止シーンのスナップショットのみを提供するにもかかわらず、広範囲の海上監視にとって重要な検知手段となる。
HARBOR(Heading Analysis and Reconstruction from Behavioral Observation and Radar)は、1つのSAR画像を推論時に補助的なデータソースを必要とせずに予測運動情報に変換する完全なパイプラインである。
この手法は、SAR画像前処理で血管候補の強化とセグメント化を行い、続いて自動検出、サイズベース分類、骨格形状と局所強度パターンを用いた方向推定を行う。
AISデータは、オフラインキャリブレーション段階でのみ使用され、容器型依存運動パラメータを導出し、将来の船舶位置の確率的熱マップを生成する。
実際のCOSMO-SkyMed SAR画像を用いたケーススタディでは、南ブラジルの海洋シーンでパイプラインが観測されており、動きの傾向を抽出し、データデニド環境下での容器位置の確率予測を生成する能力を示している。
関連論文リスト
- Neural Posterior Estimation of Terrain Parameters from Radar Sounder Data [49.62628745057007]
レーダ音響データからの地形パラメータインバージョンに対するシミュレーションに基づく推論手法を提案する。
GPUベースのシミュレータからの合成観測は、神経後部推定のためのニューラルネットワークベースの密度推定器の訓練に使用される。
我々は、NPEモデルがシミュレーションデータに基づいて十分に校正され、実際の火星レーダープロファイルに転送可能であることを実証した。
論文 参考訳（メタデータ） (2026-05-05T08:41:02Z) - Prompting Foundation Models for Zero-Shot Ship Instance Segmentation in SAR Imagery [4.3991363299650335]
本稿では,SAR(Synthetic Aperture Radar)画像において,汎用視覚基盤モデルがゼロショット船のインスタンスセグメンテーションを可能にする方法について検討する。
オープンなSARデータセットに基づいてトレーニングされたYOLOv11ベースの検出器は、バウンディングボックスを介して船をローカライズし、Segment Anything Model 2 (SAM2) にインスタンスマスクを生成する。
従来のSAMベースのSARアプローチとは異なり,SAR学習検出器の空間的制約だけで基礎モデル予測を効果的に正則化できることを本手法は示している。
論文 参考訳（メタデータ） (2026-04-20T07:57:11Z) - Predictive Modeling of Maritime Radar Data Using Transformer Architecture [1.0116530711210054]
変圧器アーキテクチャはAISに基づく軌道予測に革命をもたらし、ソナーフレーム予測の実現可能性を示した。
文献ではソナー検出のためのトランスフォーマーに基づくフレーム予測が実証されているが,従来の作業ではトランスフォーマーを用いた海上レーダフレーム予測は行われていない。
論文 参考訳（メタデータ） (2025-12-18T21:52:43Z) - Detecting Model Drifts in Non-Stationary Environment Using Edit Operation Measures [45.88028371034407]
本稿では,エージェントの挙動列の分布変化を分析して,そのような流れを検出する新しい枠組みを提案する。
定常条件および摂動条件下で発生した状態-作用軌跡間の偏差を定量化するための操作に基づく一組の編集手法を提案する。
実験により, 種々の騒音条件下であっても, ドリフトしないシナリオとドリフトを効果的に区別できることが実証された。
論文 参考訳（メタデータ） (2025-09-14T17:48:06Z) - Visual Trajectory Prediction of Vessels for Inland Navigation [42.81677042059531]
本研究では,高度な物体検出手法を統合することで,映像に基づく容器追跡と予測の課題に対処する。
BoT-SORT、Deep OC-SORT、ByeTrackなどの追跡アルゴリズムの比較評価では、スムーズなトラジェクトリを提供する際のカルマンフィルタの堅牢性を強調している。
この結果は、内陸航法のためのカスタマイズされたデータセットとモデルの必要性を浮き彫りにした。
論文 参考訳（メタデータ） (2025-05-01T15:31:15Z) - A Computer Vision Approach to Estimate the Localized Sea State [45.498315114762484]
本研究は, 船橋に設置した静止カメラ1台が捉えた運用用封筒内の海像の活用に焦点を当てた。
収集した画像は、深層学習モデルを訓練し、ビューフォートスケールに基づいて海の状態を自動的に認識する。
論文 参考訳（メタデータ） (2024-07-04T09:07:25Z) - OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。
この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。
本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T18:30:29Z) - Data-Driven System Identification of 6-DoF Ship Motion in Waves with
Neural Networks [0.0]
現在の波動環境と船の状態から船の応答の短期的予測は、有人・無人船の意思決定の強化を可能にした。
長い短期記憶(LSTM)ニューラルネットワークを用いて開発され、フリーランのデビッド・テイラー・モデル・ベースン(DTMB)5415駆逐艦の動作を表現する。
波高の時間履歴は、推定された遭遇フレームと共に移動し、ニューラルネットワークへの入力として機能する人工波プローブによって与えられ、出力は6-DOFの時間的船動応答である。
論文 参考訳（メタデータ） (2021-11-02T17:51:35Z) - Safe Vessel Navigation Visually Aided by Autonomous Unmanned Aerial
Vehicles in Congested Harbors and Waterways [9.270928705464193]
この研究は、従来のRGBカメラと補助的な絶対位置決めシステム(GPSなど)で捉えた長距離視覚データから未知の物体までの距離を検知し推定する最初の試みである。
シミュレーション結果は,UAV支援艦艇の視覚支援航法における提案手法の精度と有効性を示すものである。
論文 参考訳（メタデータ） (2021-08-09T08:15:17Z) - Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing
Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。
生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
論文 参考訳（メタデータ） (2021-04-22T12:47:37Z)
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。