論文の概要: What Frame-Level Labels Can and Cannot Do for Small-UAV Point Detection in Thermal Video

• arxiv url: http://arxiv.org/abs/2610.07705v1
• Date: Tue, 06 Oct 2026 03:58:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.791354
• Title: What Frame-Level Labels Can and Cannot Do for Small-UAV Point Detection in Thermal Video
• Title（参考訳）: フレームレベルラベルは, 小型UAV点検出に何ができるのか
• Abstract要約: センサやシーンの変更が空間アノテーションを負担しにくくする場合には,フレームレベルの目標存在/存在ラベルからローカライズを学習することに注力する。 我々は、小型UAVの点検出のための既存のアーキテクチャの検出能力、学習行動、および潜在的な応用について分析する。 本研究では, 偽アラーム制約下での局所的ヒット率と検出率を評価し, トレーニングステージ, ラベル割り当て, 合成, モデル構成の影響を分析し, 境界箱検出器との比較を行った。
• 参考スコア（独自算出の注目度）: 0.11666234644810891
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The growing use of unmanned aerial vehicles (UAVs) has increased the importance of image-based UAV detection. Learning-based detectors are trained on imagery and annotations, with annotation type determining the information available during training. We focus on learning localization from frame-level target presence/absence labels when sensor or scene changes make spatial annotations for additional training burdensome. We analyze the detection capability, learning behavior, and potential applications of an existing architecture for point detection of small UAVs, trained with presence/absence labels and requiring no external detector. The architecture freezes spatial features learned through classification and trains a readout with the same frame labels to produce spatial score maps and point detections. On two thermal infrared datasets, CST Anti-UAV and Anti-UAV410, we evaluate localization hit rates and detection rates under false-alarm constraints, analyze the effects of training stages, label allocation, synthesis, and model configuration, and compare with bounding-box detectors. We also explore potential applications on Airborne Object Tracking (AOT) using its visible-light imagery and frame labels. Classification training strengthened target-related spatial responses, while readout training helped extract them consistently. Distributing similar label counts across more videos yielded higher localization hit rates, while synthesis effects varied by dataset and evaluation criterion. Higher localization hit rates did not always improve detection under false-alarm constraints, and failures remained when target signals were weak relative to background variation and under cross-dataset transfer. These findings provide guidance on label allocation, spatial representations and readouts, synthesis, and false-alarm control.
• Abstract（参考訳）: 無人航空機(UAV)の利用の増加は、画像に基づくUAV検出の重要性を高めている。 学習ベースの検出器は画像とアノテーションに基づいて訓練され、アノテーションタイプはトレーニング中に利用可能な情報を決定する。 我々は,センサやシーンの変更が空間アノテーションを付加的な訓練に役立てる場合,フレームレベルの目標存在/存在ラベルからローカライズを学習することに集中する。 我々は、小型UAVの点検出のための既存のアーキテクチャの検知能力、学習行動、および潜在的な応用を解析し、存在/存在ラベルで訓練し、外部検出器を必要としない。 このアーキテクチャは、分類によって学んだ空間的特徴を凍結し、同じフレームラベルで読み出しを訓練し、空間的なスコアマップと点検出を生成する。 CST Anti-UAVとAnti-UAV410の2つの熱赤外データセットを用いて、偽アラーム制約下での局所的ヒット率と検出率を評価し、トレーニングステージ、ラベル割り当て、合成、モデル構成の影響を分析し、バウンディングボックス検出器と比較した。 また、その可視光画像とフレームラベルを用いて、AOT(Airborne Object Tracking)の潜在的な応用についても検討する。 分類訓練は、目標関連空間応答を強化し、読み出し訓練はそれらを一貫して抽出する助けとなった。 類似のラベルをより多くのビデオに配布すると、より高いローカライズヒット率が得られる一方、合成効果はデータセットと評価基準によって異なる。 ローカライゼーションヒットレートは, 偽アラーム制約下では必ずしも検出を改善せず, ターゲット信号が背景変動に対して弱かったり, クロスデータセット転送時の故障は残った。 これらの知見は、ラベル割り当て、空間表現、読み出し、合成、偽アラーム制御に関するガイダンスを提供する。

関連論文リスト

• Enhancing Egocentric Object Detection in Static Environments using Graph-based Spatial Anomaly Detection and Correction [0.0]
  本稿では,物体間の空間的関係を明示的にモデル化し,自己中心型フレームにおける異常検出を補正するグラフベースの後処理パイプラインを提案する。 手動でアノテートされたデータに基づいてトレーニングされたグラフニューラルネットワーク(GNN)を用いて、無効なオブジェクトクラスラベルを特定し、近隣のコンテキストに基づいて修正されたクラスラベルを予測する。 実験では、この空間推論を組み込むことで検出性能が大幅に向上し、mAP@50は最大4%向上した。
  論文  参考訳（メタデータ） (2025-08-11T05:08:02Z)
• An Application-Agnostic Automatic Target Recognition System Using Vision Language Models [32.858386851006316]
  オープン語彙オブジェクト検出と分類モデルを用いた新しい自動ターゲット認識(ATR)システムを提案する。 このアプローチの主な利点は、非技術的エンドユーザーによって実行直前にターゲットクラスを定義することができることである。 所望のターゲットのナンスを自然言語で表現することは、トレーニングデータをほとんどあるいは全く持たないユニークなターゲットに役立ちます。
  論文  参考訳（メタデータ） (2024-11-05T20:16:15Z)
• Exploiting Unlabeled Data with Multiple Expert Teachers for Open Vocabulary Aerial Object Detection and Its Orientation Adaptation [58.37525311718006]
  OVAD(Open-vocabulary Aero Object Detection)という,航空物体検出問題の新しい定式化を行った。 本稿では,CLIP-activated students-Teacher DetectionフレームワークであるCastDetを提案する。 本フレームワークは,ロバストなローカライズ教師といくつかのボックス選択戦略を統合し,新しいオブジェクトの高品質な提案を生成する。
  論文  参考訳（メタデータ） (2024-11-04T12:59:13Z)
• A noisy elephant in the room: Is your out-of-distribution detector robust to label noise? [49.88894124047644]
  我々は、最先端のOOD検出方法20について詳しく検討する。 不正に分類されたIDサンプルとOODサンプルの分離が不十分であることを示す。
  論文  参考訳（メタデータ） (2024-04-02T09:40:22Z)
• Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
  3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。 そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
  論文  参考訳（メタデータ） (2021-11-30T18:42:42Z)
• Unsupervised Learning Architecture for Classifying the Transient Noise of Interferometric Gravitational-wave Detectors [2.8555963243398073]
  非定常・非ガウス的特徴を持つ過渡雑音は高い速度で発生する。 過渡雑音の分類は、その起源を探索し、検出器の性能を向上させる手がかりを与えることができる。 本研究では,過渡雑音の分類のための教師なし学習アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-11-19T05:37:06Z)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)
• Self-Supervised Person Detection in 2D Range Data using a Calibrated Camera [83.31666463259849]
  2次元LiDARに基づく人検出器のトレーニングラベル(擬似ラベル)を自動生成する手法を提案する。 擬似ラベルで訓練または微調整された自己監視検出器が,手動アノテーションを用いて訓練された検出器を上回っていることを示した。 私達の方法は付加的な分類の努力なしで配置の間に人の探知器を改善する有効な方法です。
  論文  参考訳（メタデータ） (2020-12-16T12:10:04Z)
• Dynamic Anchor Learning for Arbitrary-Oriented Object Detection [4.247967690041766]
  任意指向オブジェクトは、自然のシーン、空中写真、リモートセンシング画像などに広く現れる。 現在の回転検出器は、異なる向きのアンカーをたくさん使用して、地上の真実ボックスとの空間アライメントを実現します。 新たに定義されたマッチング度を利用した動的アンカー学習(DAL)法を提案する。
  論文  参考訳（メタデータ） (2020-12-08T01:30:06Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)

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。