論文の概要: A Distributed Acoustic Sensing Dataset for Vessel Detection and Localization in Submarine Cable Protection

• arxiv url: http://arxiv.org/abs/2607.28306v1
• Date: Thu, 30 Jul 2026 14:44:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.611572
• Title: A Distributed Acoustic Sensing Dataset for Vessel Detection and Localization in Submarine Cable Protection
• Title（参考訳）: 海底ケーブル保護における容器検出と位置推定のための分散型音響センシングデータセット
• Authors: Erick Eduardo Ramirez-Torres, Javier Macias-Guarasa, Daniel Pizarro, Javier Tejedor, Sira Elena Palazuelos-Cagigas, Pedro J. Vidal-Moreno, María R. Fernández-Ruiz, Sonia Martin-Lopez, Miguel Gonzalez-Herraez, Roel Vanthillo,
• Abstract要約: 海底光ファイバーケーブルに印加された分散音響センサ(DAS)は、水中音響活動の広域監視を可能にする。 本稿では, 海底DAS計測と, ケーブル保護研究のためのAIS由来の容器情報からなるMarlinks-NS DASデータセットについて述べる。 データセットには、北海の28kmの光ファイバーケーブルに2,554mのセグメントに沿って、10日間の連続記録から74,771個のラベルが付けられている。
• 参考スコア（独自算出の注目度）: 3.9137003601319016
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent incidents of accidental damage and suspected sabotage to submarine telecommunication and power cables, particularly in the Baltic Sea, have underscored their vulnerability and the need for continuous monitoring solutions. Distributed acoustic sensing (DAS) applied to submarine optical-fiber cables enables wide-area monitoring of underwater acoustic activity. We present the Marlinks-NS DAS dataset, comprising processed submarine DAS measurements and AIS-derived vessel information curated for cable-protection research. The dataset defines two machine-learning tasks (vessel detection and vessel-to-cable distance estimation) allowing reproducible research under realistic marine conditions. The dataset contains 74,771 labeled data instances from ten days of continuous recording along a 2,554 m segment in a 28 km buried fiber-optic cable in the North Sea. Each instance includes spectral-energy features from 250 sensing channels, together with anonymized distance measurements and metadata from AIS information. The released HDF5 data, documentation, processing description, and example code support reproducible development and evaluation of DAS-based vessel-monitoring methods for submarine cable protection.
• Abstract（参考訳）: 近年の事故や、特にバルト海での海底電気通信や電力ケーブルの破壊の疑いは、その脆弱性と継続的な監視ソリューションの必要性を裏付けている。 海底光ファイバーケーブルに印加された分散音響センサ(DAS)は、水中音響活動の広域監視を可能にする。 本稿では, 海底DAS計測と, ケーブル保護研究のためのAIS由来の容器情報からなるMarlinks-NS DASデータセットについて述べる。 このデータセットは、現実的な海洋環境下で再現可能な研究を可能にする2つの機械学習タスク(容器検出と容器からケーブルまでの距離推定)を定義している。 データセットには、北海の28kmの光ファイバーケーブルに2,554mのセグメントに沿って、10日間の連続記録から74,771個のラベル付きデータが含まれている。 それぞれのインスタンスには、250のセンシングチャネルからのスペクトルエネルギー機能と、AIS情報からの匿名距離測定とメタデータが含まれている。 リリースされたHDF5データ、ドキュメント、処理記述、サンプルコードは、潜水艦ケーブル保護のためのDASベースの容器監視手法の再現可能な開発と評価をサポートする。

関連論文リスト

• WUTDet: A 100K-Scale Ship Detection Dataset and Benchmarks with Dense Small Objects [68.44670476527155]
  WUTDetは100,576イメージと381,378のアノテートされた船舶インスタンスを備えた大規模な船舶検出データセットである。 CNN, Transformer, Mambaの3つの主流検出アーキテクチャから20のベースラインモデルを体系的に評価した。 Ship-GENの結果は、WUTDetでトレーニングされたモデルは、異なるデータ分布下でより強力な一般化を示すことを示している。
  論文  参考訳（メタデータ） (2026-04-09T03:28:05Z)
• OceanSAR-2: A Universal Feature Extractor for SAR Ocean Observation [55.978228064498865]
  SARに基づく海洋観測のための第2世代の基盤モデルであるOceanSAR-2を紹介する。 先にリリースしたSentinel-1 Wave Modeデータによる自己教師型学習の先駆者であるOceanSAR-2は、SSLトレーニングの改善と動的データキュレーション戦略に依存しています。
  論文  参考訳（メタデータ） (2026-01-12T10:20:43Z)
• Scene-aware SAR ship detection guided by unsupervised sea-land segmentation [9.17080068409937]
  そこで本研究では,未管理の陸域分割に基づくシーン認識型SAR船舶検出手法を提案する。 我々は,非監督型陸海分断モジュール (ULSM) とランドアテンション抑制モジュール (LASM) の2つのモデルを用いている。 ULSMとLASMは、ネットワークを適応的に誘導し、シーンの種類に応じて土地への注意を減らすことができる。 LASMは、陸域分割情報を事前知識として使用し、ネットワークの陸域への注意を減らす。
  論文  参考訳（メタデータ） (2025-06-15T08:57:20Z)
• A Computational Harmonic Detection Algorithm to Detect Data Leakage through EM Emanation [0.08192907805418582]
  EMエマニュエーションと呼ばれる意図しない電磁放射は、機密情報を回復するために利用することができる。 データ漏洩を防ぐために防衛組織が使用する金属遮蔽は費用がかかり、広く使われるには実用的ではない。 本稿では,高調波検出アルゴリズムを用いた高調波検出手法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T14:40:15Z)
• 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)
• Oceanship: A Large-Scale Dataset for Underwater Audio Target Recognition [22.890584326036976]
  大規模かつ多様な水中オーディオデータセットであるOceanshipを提案する。 このデータセットは15のカテゴリで構成され、総期間は121時間であり、座標、速度、船舶タイプ、タイムスタンプといった包括的なアノテーション情報を含んでいる。 水中オーディオ検索のためのベースラインモデルであるOceannetを導入する。このモデルでは、67.11%の精度で1(R@1)、Deepshipデータセットで5(R@5)の精度で99.13%のリコールを実現している。
  論文  参考訳（メタデータ） (2024-01-04T07:11:16Z)
• Leveraging Citizen Science for Flood Extent Detection using Machine Learning Benchmark Dataset [0.9029386959445269]
  我々は、アメリカ本土とバングラデシュ内の約36,000平方キロメートルの地域をカバーする、既知の洪水イベントの間に、ラベル付きの水域範囲と浸水地域の範囲を作成します。 また、データセットをオープンソース化し、データセットに基づいたオープンコンペティションを開催して、コミュニティ生成モデルを使用した洪水範囲検出を迅速にプロトタイプ化しました。 データセットはSentinel-1C SARデータに基づく既存のデータセットに追加され、より堅牢な洪水範囲のモデリングにつながります。
  論文  参考訳（メタデータ） (2023-11-15T18:49:29Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• Automatized marine vessel monitoring from sentinel-1 data using convolution neural network [0.0]
  本稿では,ウェーブレット変換に基づく畳み込みニューラルネットワークによるSAR画像からの物体認識手法を提案する。 Sentinel-1 SAR-Cによるインド西部沿岸域の二重分極データ取得を含む。
  論文  参考訳（メタデータ） (2023-04-23T18:09:44Z)
• The LuViRA Dataset: Synchronized Vision, Radio, and Audio Sensors for Indoor Localization [41.58739817444644]
  データセットには、カラー画像、対応する深度マップ、慣性測定ユニット(IMU)読み取り、5Gの大規模マルチインプットとMIMO(Multiple-output)テストベッドとユーザ機器のチャネル応答が含まれる。 これらのセンサーを同期させて、すべてのデータが同時に記録されるようにします。 このデータセットの主な目的は、ローカライゼーションタスクに最もよく使用されるセンサーとのセンサー融合の研究を可能にすることである。
  論文  参考訳（メタデータ） (2023-02-10T15:12:40Z)
• Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
  水中音響から風速時系列を検索するための深層学習手法を提案する。 我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
  論文  参考訳（メタデータ） (2022-08-18T15:27:40Z)

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。