論文の概要: UAV Thermal Imagery for Inert Ordnance Screening: Multi Campaign Dataset Development,Object Detection, and Practical Recommendations
- arxiv url: http://arxiv.org/abs/2609.01738v1
- Date: Tue, 01 Sep 2026 18:07:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:17.783391
- Title: UAV Thermal Imagery for Inert Ordnance Screening: Multi Campaign Dataset Development,Object Detection, and Practical Recommendations
- Title（参考訳）: 慣性オーディナンススクリーニングのためのUAV熱画像:マルチキャンペーンデータセット開発、オブジェクト検出、および実用的な勧告
- Abstract要約: 本研究では,不活性オードナンスのマルチキャンペーンUAV熱画像データセットを作成し,収集した画像からラベル付き画像を作成し,対象検出モデルを検証し,人道的な地雷活動や地雷処理の実践的検討を行った。
夏と冬の4回のテネシー州の野戦戦で、短い草、高い植生、砂利、マルチ、岩、コンポスト、圧縮された表面に置かれた不活性な鉱山、弾薬、その他の兵器を用いて収集された。
テクニカルサーベイやEDDアセスメントのフォローに対するスクリーニングと優先順位付けが目的であり、スタンドアローンのクリアランスではない。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Unexploded ordnance (UXO) continues to restrict civilian access, agricultural activity, infrastructure recovery, and environmental remediation in contaminated areas around the world. This study created a multi campaign UAV thermal image data set of inert ordnance, developed a labeled image set from collected imagery, tested object detection models, and identified practical considerations for humanitarian mine action and demining applications. Data were collected during four field campaigns in Tennessee under summer and winter conditions using inert mines, munitions, and other ordnance placed in short grass, tall vegetation, gravel, mulch, rock, compost, and compacted surfaces. Thermal imagery was collected under flight altitutes of 33 m and 15 m. The final source inventory contained 5,855 thermal image label pairs, including 918 positive images and 4,937 background images. After retaining all positive images and downsampling background images, the 33 m dataset contained 420 training and 106 validation images, while the 15 m dataset contained 629 training and 157 validation images. YOLOV11l and RT-DETR-R50 algorithms were trained and evaluated to develop an automated candidate detection model. Practical recommendations include collecting thermal and RGB imagery together, incorporating varied surfaces and background only imagery, considering periods following changes in solar exposure, balancing survey coverage against target pixel representation, calibrating models with representative local data, and retaining qualified human review. The intended use is screening and prioritization for follow on technical survey or EOD assessment, and not a standalone clearance.
- Abstract（参考訳）: UXO(Unexploded Ordnance)は、世界中の汚染地域における市民のアクセス、農業活動、インフラの回復、環境修復を規制し続けている。
本研究では,不活性オードナンスのマルチキャンペーンUAV熱画像データセットを作成し,収集した画像からラベル付き画像を作成し,対象検出モデルを検証し,人道的な地雷活動や地雷処理の実践的検討を行った。
夏と冬の4回のテネシー州の野戦戦で、短い草、高い植生、砂利、マルチ、岩、コンポスト、圧縮された表面に置かれた不活性な鉱山、弾薬、その他の兵器を用いて収集された。
熱画像は33mと15mの飛行アルティチュートで収集された。
最終資料には5,855枚の熱画像ラベルがあり、そのうち918枚の陽性画像と4,937枚の背景画像が含まれていた。
33mデータセットには420のトレーニングと106のバリデーションイメージが含まれ、15mデータセットには629のトレーニングと157のバリデーションイメージが含まれていた。
YOLOV11l と RT-DETR-R50 アルゴリズムを訓練し,自動候補検出モデルを開発した。
実際の推奨事項には、熱とRGBの画像の収集、さまざまな表面と背景のみの画像の統合、太陽露光の変化後の期間、対象画素の表示に対する調査カバレッジのバランス、代表的なローカルデータによるモデルの校正、適切な人間のレビューの維持などが含まれる。
テクニカルサーベイやEDDアセスメントのフォローに対するスクリーニングと優先順位付けが目的であり、スタンドアローンのクリアランスではない。
関連論文リスト
- AerialMetric: Benchmarking and Adapting UAV Monocular Metric Depth Estimation in the Real World [75.54693105865003]
AerialMetricは,UAV空中視点下での単分子メートル法深度推定の適応性を評価するためのベンチマークデータセットである。
AerialMetricは、52Kの現実世界と16Kの合成画像深度対を信頼できる計量基底真理で提供する。
論文 参考訳（メタデータ） (2026-06-29T02:48:47Z) - AIFloodSense: A Global Aerial Imagery Dataset for Semantic Segmentation and Understanding of Flooded Environments [1.381010753883328]
AIFloodSenseは、64か国と6大陸にわたる230の異なる洪水イベントの470の高解像度画像からなる、包括的で公開可能な航空画像データセットである。
以前のベンチマークとは異なり、AIFloodSenseはグローバルな多様性と時間的関連性(2022-2024)を確保し、3つの補完的なタスクをサポートする。
最新のアーキテクチャを使って、すべてのタスクのベースラインベンチマークを確立し、データセットの複雑さとその価値を実証します。
論文 参考訳（メタデータ） (2025-12-19T10:34:45Z) - Stable Rivers: A Case Study in the Application of Text-to-Image
Generative Models for Earth Sciences [0.0]
テキスト・ツー・イメージ(TTI)生成モデルは、与えられたテキストストリング入力から画像を生成するために使用できる。
安定拡散のトレーニングデータとモデル性能における被検領域比のバイアスについて検討した。
その結果, 有名な河川や滝などの景観を過度に表現し, 形態的・環境的条件の過度に表現できることが判明した。
論文 参考訳（メタデータ） (2023-12-13T01:40:21Z) - Perceptual Artifacts Localization for Image Synthesis Tasks [59.638307505334076]
我々は10,168個の画像からなる新しいデータセットを導入し,それぞれに知覚的アーティファクトラベルを付加した。
提案したデータセットに基づいてトレーニングされたセグメンテーションモデルは、さまざまなタスクにまたがるアーティファクトを効果的にローカライズする。
生成した画像の知覚的アーティファクトをシームレスに修正する,革新的なズームイン・インペインティングパイプラインを提案する。
論文 参考訳（メタデータ） (2023-10-09T10:22:08Z) - The Canadian Cropland Dataset: A New Land Cover Dataset for
Multitemporal Deep Learning Classification in Agriculture [0.8602553195689513]
カナディアン・クロップ・インベントリー (Canadian Annual Crop Inventory) から回収されたラベルで濃縮されたカナダの作物の時間的パッチベースのデータセット。
このデータセットは、4年間にわたって収集された10種類の作物から,78,536個の高解像度空間像を手作業で検証した。
ベンチマークとして,単一画像(ResNet,DenseNet,EfficientNet)や画像列(LRCN,3D-CNN)を同一位置から予測可能なモデルとソースコードを提供する。
論文 参考訳（メタデータ） (2023-05-31T18:40:15Z) - PDIWS: Thermal Imaging Dataset for Person Detection in Intrusion Warning
Systems [0.0]
データセットは2000イメージのトレーニングセットと500イメージのテストセットで構成されている。
全50の背景があり、1000人近い被験者は5つのポーズに従って5つのクラスに分けられる。
最初の4つのポーズが検出された場合、侵入者の存在を確認する。
論文 参考訳（メタデータ） (2023-02-26T11:02:34Z) - A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文 参考訳（メタデータ） (2022-06-13T19:14:06Z) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳（メタデータ） (2021-06-14T21:57:40Z) - Generating Physically-Consistent Satellite Imagery for Climate Visualizations [53.61991820941501]
我々は,将来的な洪水や森林再生イベントの合成衛星画像を作成するために,生成的敵ネットワークを訓練する。
純粋なディープラーニングベースのモデルでは、洪水の可視化を生成することができるが、洪水の影響を受けない場所では幻覚的な洪水が発生する。
我々は,地球観測におけるセグメンテーションガイドによる画像と画像の変換のためのコードとデータセットを公開している。
論文 参考訳（メタデータ） (2021-04-10T15:00:15Z) - A Large-Scale, Time-Synchronized Visible and Thermal Face Dataset [62.193924313292875]
DEVCOM Army Research Laboratory Visible-Thermal Faceデータセット(ARL-VTF)を発表します。
395人の被験者から50万枚以上の画像が得られたARL-VTFデータセットは、これまでで最大の可視画像とサーマルフェイス画像の収集データだ。
本論文では,ALL-VTFデータセットを用いたサーマルフェースランドマーク検出とサーマル・トゥ・ヴィジブルフェース検証のベンチマーク結果と分析について述べる。
論文 参考訳（メタデータ） (2021-01-07T17:17:12Z)
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。