論文の概要: End-to-End Real-Time Drone-Based Person Detection Framework Using Deep Learning

• arxiv url: http://arxiv.org/abs/2607.10605v1
• Date: Sun, 12 Jul 2026 06:55:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.479846
• Title: End-to-End Real-Time Drone-Based Person Detection Framework Using Deep Learning
• Title（参考訳）: ディープラーニングを用いたエンド・ツー・エンドリアルタイムドローンによる人物検出フレームワーク
• Abstract要約: 本研究は、無線ライブドローンビデオフィードを介してターゲットを検出するための統合リアルタイム検出パイプラインを提案する。 VisDrone 2019データセットに基づいてトレーニングされたYOLOv8-nanoモデルは、それぞれ57.4%、41%、44.8%、20.3%の精度、リコール、mAP50:95を達成した。 本研究の目的は、無線通信による空中プラットフォームからのリアルタイム人検出を可能にすることである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, Unmanned Aerial Vehicles (UAVs) or drones have gained rapid response in terms of security, search and rescue (SAR), border surveillance, etc. Existing monitoring frameworks often struggle to maintain detection consistency when targets undergo significant scale variations due to altitude changes, leading to critical information gaps. To address this issue, this work proposes an integrated real-time detection pipeline for detecting targets through the wireless live drone video feed. Build upon YOLOv8-nano architecture, extensive flight experiments were conducted to determine the detection performance across multiple flight altitudes. Trained on VisDrone2019 dataset, the results of YOLOv8-nano model achieves 57.4%, 41%, 44.8% and 20.3% in precision, recall, mAP and mAP50:95 respectively. While demonstrating on real environment, this analysis revealed that the algorithm achieves near-total detection reliability at altitudes between 16 and 25 meters with the detection frame rate consistently maintained above 41 FPS and reaching a peak of 50 FPS. However, the goal of this work is to enable real-time person detection from an aerial platform via wireless transmission. This approach effectively addresses the dual challenges of identifying targets at varying scales and ensuring near-to-accurate localization during aerial observation.
• Abstract（参考訳）: 近年、無人航空機(UAV)やドローンは、セキュリティ、捜索救助(SAR)、国境監視など、急速に対応している。 既存の監視フレームワークは、目標が高度の変化によって大きなスケールの変動を受けた場合、検出一貫性を維持するのに苦労することが多く、重要な情報ギャップを生じさせる。 この問題に対処するために,無線ライブドローンビデオフィードを通じてターゲットを検出するための統合リアルタイム検出パイプラインを提案する。 YOLOv8-nanoアーキテクチャに基づいて、複数の飛行高度における検出性能を決定するための広範な飛行実験が行われた。 VisDrone2019データセットに基づいてトレーニングされたYOLOv8-nanoモデルは、それぞれ57.4%、41%、44.8%、20.3%の精度、リコール、mAP50:95を達成している。 実環境下では, 検出フレーム速度を41FPS以上維持し, ピーク時には50FPSに達することにより, 16～25mの高度でほぼ全方位検出の信頼性が得られた。 しかし,本研究の目的は,無線通信による航空プラットフォームからのリアルタイム人検出を可能にすることである。 このアプローチは、様々なスケールで目標を識別し、空中観測中にほぼ正確な位置を確保できるという2つの課題に効果的に対処する。

関連論文リスト

• Self-supervised Domain Adaptation for Visual 3D Pose Estimation of Nano-drone Racing Gates by Enforcing Geometric Consistency [43.497514957094275]
  シミュレーションデータに基づいて事前学習した畳み込みニューラルネットワークを用いて,ナノクワッドロータの前方のドローンレースゲートの相対的なポーズを視覚的に推定する作業を検討する。 ゲートの前方に任意の軌道を飛行するドローンによって収集された実画像のみを用いた教師なし領域適応(UDA)手法を提案する。
  論文  参考訳（メタデータ） (2026-03-03T12:46:25Z)
• Eva-Tracker: ESDF-update-free, Visibility-aware Planning with Target Reacquisition for Robust Aerial Tracking [51.06229328990625]
  Eva-Trackerは、航空追跡のための可視性を考慮した軌道計画フレームワークである。 ESDF更新を排除し、リカバリ可能なパス生成メソッドを組み込んで、ターゲット再取得を行う。 提案手法は,従来の最先端手法よりも計算労力の少ないロバストな追跡結果を提供する。
  論文  参考訳（メタデータ） (2026-02-13T02:56:34Z)
• HUNT: High-Speed UAV Navigation and Tracking in Unstructured Environments via Instantaneous Relative Frames [50.83645076723809]
  HUNT (High-speed UAV Navigation and Tracking) は、1つの相対的な定式化の中で統合、取得、追跡を行うリアルタイムフレームワークである。 密林、コンテナ化合物、および車両やマネキンによる捜索救助活動の試行は、グローバルな方法が失敗した場合の堅牢な自律性を示している。
  論文  参考訳（メタデータ） (2025-09-23T18:07:10Z)
• AeroLite-MDNet: Lightweight Multi-task Deviation Detection Network for UAV Landing [9.858832286469765]
  本稿では,AeroLite-MDNetと呼ばれる新しい視覚モデルを用いたUAV着陸の偏差警報システムを提案する。 AWD(Average Warning Delay)と呼ばれる新しい評価指標を導入し,着陸偏差に対するシステムの感度を定量化する。 実験の結果, 偏差検出精度98.6%で0.7秒のAWDを実現した。
  論文  参考訳（メタデータ） (2025-06-25T13:48:30Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Improving Small Drone Detection Through Multi-Scale Processing and Data Augmentation [2.522137108227868]
  本研究では,中規模のYOLOv11オブジェクト検出モデルに基づくドローン検出手法を提案する。 そこで我々は,入力画像を全体およびセグメント化された部分の両方で処理し,その後の予測アグリゲーションで処理するマルチスケールアプローチを実装した。 提案されたアプローチは、2025年のInternational Joint Conference on Neural Networksで開かれた第8回WOSDETC Drone-vsBird Detection Grand Challengeでトップ3にランクインした。
  論文  参考訳（メタデータ） (2025-04-27T20:06:55Z)
• Separating Drone Point Clouds From Complex Backgrounds by Cluster Filter -- Technical Report for CVPR 2024 UG2 Challenge [3.4655579096694664]
  本稿では,教師なしパイプラインを用いた簡易なUAV検出手法を提案する。 時空間シーケンス処理を使用して複数のライダーデータセットを効果的に融合し、UAVの位置を追跡し、決定する。 本手法はCVPR 2024 UG2+ Challengeで4位を獲得し,本手法の有効性を確認した。
  論文  参考訳（メタデータ） (2024-12-22T09:44:43Z)
• Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
  Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。 DATは,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。 また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
  論文  参考訳（メタデータ） (2024-12-01T09:37:46Z)
• Commissioning An All-Sky Infrared Camera Array for Detection Of Airborne Objects [0.11703603440337004]
  ガリレオ計画では、空を継続的に監視する多モード地上観測所を設計、建設、委託している。 鍵となる機器の1つは、8つの冷却されていない長波長のFLIRボソン640カメラを使用した全天型赤外線カメラアレイである。 各種気象条件に対する受入率(観測可能な航空機等)と検出効率(検出に成功している航空機等)を報告する。 おもちゃのアウトリーチは2次元再構成トラジェクトリーフラッグの大きな不純物に焦点を絞ったもので、トラジェクトリーの約16%をアウトリーチとして用いた。
  論文  参考訳（メタデータ） (2024-11-12T17:31:51Z)
• An Empirical Analysis of Range for 3D Object Detection [70.54345282696138]
  本稿では,長距離検出データセットArgoverse 2.0を用いた遠距離3次元検出の実験的検討を行った。 近接場LiDARの測定は、小さなボクセルによって密度が高く最適に符号化され、遠距離場の測定は疎く、大きなボクセルで符号化されている。 本研究では,33%の効率向上と3.2%のCDSの精度向上を図った。
  論文  参考訳（メタデータ） (2023-08-08T05:29:26Z)
• Analysis and Adaptation of YOLOv4 for Object Detection in Aerial Images [0.0]
  本研究は,空中画像中の物体とその位置を予測するためのYOLOv4フレームワークの適応性を示す。 トレーニングされたモデルは平均的な平均精度(mAP)が45.64%となり、推論速度はTesla K80 GPUで8.7FPSに達した。 いくつかの現代の空中物体検出器との比較研究により、YOLOv4はより優れた性能を示し、航空プラットフォームに組み込むのにより適した検出アルゴリズムが示唆された。
  論文  参考訳（メタデータ） (2022-03-18T23:51:09Z)
• Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
  航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。 本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。 本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2021-11-17T21:48:31Z)
• 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)

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。