論文の概要: Comparative Study of Out-of-the-Box Technology for Automatic Target Detection and Recognition
- arxiv url: http://arxiv.org/abs/2608.17917v1
- Date: Tue, 18 Aug 2026 15:43:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.389052
- Title: Comparative Study of Out-of-the-Box Technology for Automatic Target Detection and Recognition
- Title（参考訳）: 自動目標検出・認識のためのアウト・オブ・ザ・ボックス技術の比較検討
- Abstract要約: 本稿では、軍事的文脈における適切な性能を達成するために、公開可能なモデルと民間データセットの使用について検討する。
我々は、YOLOシリーズの6つのイテレーションとDETRフレームワーク上の2つのバリエーションを含む、最先端モデルのベンチマークを行った。
我々は,mAP@0.5とmAP@0.5:0.95を用いて,A2GとG2Gの視点,ターゲットサイズ,モデルサイズを比較した。
- 参考スコア（独自算出の注目度）: 55.13619415776905
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automatic Target Detection and Recognition (ATD/R) is critical for military decision support and (semi-)autonomous operations. Recent advances in object detection and artificial intelligence (AI) significantly boosted the potential performance of ATD/R. However, the scarcity of publicly available military datasets limits the application of these systems. As a solution, this paper explores the use of publicly available models and civilian datasets to achieve reasonable performance in military contexts. We benchmark several state-of-the-art models, including six iterations of the YOLO series and two variations on the DETR framework, on a newly acquired military relevant dataset. This dataset features military vehicles and challenging circumstances, including various degrees of occlusions and small targets. The out-of-the-box version of each model is validated alongside a version finetuned on the VisDrone dataset. This dataset features small objects, an Air-to-Ground (A2G) perspective and relevant classes, potentially generalizing to our military ATD/R task. We compare the performance of the models using mAP@0.5 and mAP@0.5:0.95, across A2G and Ground-to-Ground (G2G) perspective, target size and model size, giving insight into the real-time capabilities of models. Our main findings are: (1) bigger models outperform smaller models, (2) DETR-based models show promising results compared to the YOLO series,(3) fine-tuning models on an out-of-domain A2G dataset, improves their A2G performance and slightly improves their performance on small objects, but (4) all models still struggle with detecting small objects in an A2G scenario. We conclude that, despite recent advances in object detection, in-domain training is still crucial for creating capable ATD/R systems.
- Abstract（参考訳）: 自動目標検出・認識(ATD/R)は、軍事的意思決定支援および半自動作戦において重要である。
物体検出と人工知能(AI)の最近の進歩は、ATD/Rの性能を大幅に向上させた。
しかし、公開されている軍事データセットの不足は、これらのシステムの適用を制限する。
そこで本研究では,軍事的文脈における適切な性能を達成するために,公開可能なモデルと一般データセットの利用について検討する。
我々は、新たに取得した軍事関連データセットに基づいて、YOLOシリーズの6つのイテレーションと、DETRフレームワーク上の2つのバリエーションを含む、最先端モデルのベンチマークを行った。
このデータセットには、様々な閉塞度や小さな目標を含む、軍用車両と挑戦的な状況が含まれています。
各モデルのアウト・オブ・ボックスバージョンは、VisDroneデータセットに微調整されたバージョンと共に検証される。
このデータセットには、小さなオブジェクト、A2G(Air-to-Ground)パースペクティブ、関連するクラスが含まれており、軍事ATD/Rタスクに一般化する可能性がある。
モデルの性能をmAP@0.5とmAP@0.5:0.95で比較し、A2GとG2Gの観点から、目標サイズとモデルサイズを比較し、モデルのリアルタイム能力について考察した。
主な知見は,(1)より大型のモデルが小型モデルより優れ,(2) DETRベースのモデルがYOLOシリーズと比較して有望な結果を示し,(3)ドメイン外のA2Gデータセット上での微調整モデルがA2Gの性能を改善し,小さなオブジェクト上での性能をわずかに向上するが,(4)全てのモデルがA2Gシナリオにおける小さなオブジェクトの検出に苦慮している。
近年のオブジェクト検出の進歩にもかかわらず、ドメイン内トレーニングは有効なATD/Rシステムを作成する上で依然として不可欠である、と結論付けている。
関連論文リスト
- HY-Embodied-0.5: Embodied Foundation Models for Real-World Agents [71.09493646932046]
本稿では,実世界のエンボディエージェントに特化して設計された基礎モデルのファウンデーションモデルであるHY-Embodied-0.5を紹介する。
HY-Embodied-0.5スイートは、エッジ配置用に設計された2Bアクティベートパラメータを持つ効率的なモデルと、複雑な推論をターゲットとした32Bアクティベートパラメータを持つ強力なモデルである。
私たちのMoT-2Bモデルは16ベンチマークで同等の大きさの最先端モデルより優れていますが、32BはGemini 3.0 Proのようなフロンティアモデルに匹敵するパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2026-04-08T17:59:48Z) - Scale-Aware Relay and Scale-Adaptive Loss for Tiny Object Detection in Aerial Images [22.70176024890317]
本稿では,SARL(Scale-Aware Relay Layer)とSAL(Scale-Adaptive Loss)を提案する。
SARLは、各層の有意義な特徴を徐々に豊かにするために、空間チャネルを横断的に注意する。
SALは、バニラIoUベースの損失を補足して、より大きなオブジェクトに低重量を動的に割り当てる。
論文 参考訳（メタデータ） (2025-11-13T02:54:58Z) - Tracking Moose using Aerial Object Detection [4.4048801693309825]
本稿では,各種設定下でのモデル性能の研究のために,データセットへのパッチの適用について述べる。
このデータを用いて、一般的な3つの多種多様なオブジェクト検出器の比較研究を行った。
解析によると、より高速でシンプルなモデルは、このタスクにより多くの計算能力を必要とするモデルと同じくらい効果的である。
論文 参考訳（メタデータ） (2025-07-28T18:19:16Z) - RemoteSAM: Towards Segment Anything for Earth Observation [29.707796048411705]
我々は、地球観測のための頑健でフレキシブルな視覚基盤モデルを開発することを目指している。
多様な視覚的目標を認識し、位置を特定する能力を持つべきである。
いくつかの地球観測知覚ベンチマークで新しいSoTAを確立する基盤モデルであるRemoteSAMを提案する。
論文 参考訳（メタデータ） (2025-05-23T15:27:57Z) - Revisiting Birds Eye View Perception Models with Frozen Foundation Models: DINOv2 and Metric3Dv2 [6.42131197643513]
我々は,Metric3Dv2の深度情報を,Simple-BEVアーキテクチャに組み込まれたPseudoLiDARポイントクラウドとして,革新的な応用を紹介した。
この統合により、カメラのみのモデルに比べて+3 IoUが改善される。
論文 参考訳（メタデータ） (2025-01-14T13:51:14Z) - Stanceformer: Target-Aware Transformer for Stance Detection [59.69858080492586]
スタンス検出は、テキストで表現されたスタンスを特定の主題やターゲットに向けて識別する。
以前の作業は、ターゲットを効果的に優先順位付けする能力に欠ける既存のトランスフォーマーモデルに依存していた。
本稿では,学習と推論の両方において,目標に対する注意を高めるターゲット対応トランスフォーマーモデルであるStanceformerを紹介する。
論文 参考訳（メタデータ） (2024-10-09T17:24:28Z) - SOAR: Advancements in Small Body Object Detection for Aerial Imagery Using State Space Models and Programmable Gradients [0.8873228457453465]
空中画像における小さな物体検出は、コンピュータビジョンにおいて重要な課題である。
トランスフォーマーベースのモデルを用いた従来の手法は、特殊データベースの欠如に起因する制限に直面していることが多い。
本稿では,小型空中物体の検出とセグメンテーション機能を大幅に向上する2つの革新的なアプローチを紹介する。
論文 参考訳（メタデータ） (2024-05-02T19:47:08Z) - AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。
さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
論文 参考訳（メタデータ） (2024-03-26T04:27:56Z) - From Blurry to Brilliant Detection: YOLO-Based Aerial Object Detection with Super Resolution [3.5044007821404635]
空中物体検出は、小さな物体の大きさ、高密度クラスタリング、距離や動きのぼかしによる画質劣化などの課題を提示する。
B2BDetは、推論中にドメイン固有の超解像を適用し、拡張されたYOLOv5アーキテクチャを使って検出する2段階のフレームワークでこの問題に対処する。
このアプローチは、航空最適化SRGAN微調整とEAM(Efficient Attention Module)やCLFPN(Cross-Layer Feature Pyramid Network)といったアーキテクチャ革新を組み合わせる。
論文 参考訳（メタデータ） (2024-01-26T05:50:58Z) - Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data [87.61900472933523]
この研究は、ロバストな単分子深度推定のための非常に実用的な解であるDepth Anythingを提示する。
データエンジンを設計し、大規模な未ラベルデータの収集と注釈付けを自動的に行うことにより、データセットをスケールアップします。
6つのパブリックデータセットとランダムにキャプチャされた写真を含む、ゼロショットの機能を広範囲に評価する。
論文 参考訳（メタデータ） (2024-01-19T18:59:52Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳（メタデータ） (2023-11-21T19:49:13Z)
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。