本文着重于构建一个针对复杂场景的无人机基准测试数据集,并对基准测试集中的物体检测、单目标跟踪和多目标跟踪进行了详细的定量分析,实验结果表明目前最先进的方法在这个数据集上的表现相对较差,给出了这一问题的多方面解决方案。
Mar, 2018
文章研究了无人机导航中基于视觉的障碍物检测和跟踪问题,提出了一种实时的对象定位和跟踪策略,将对象检测和跟踪有效地集成到动态卡尔曼模型中,并使用卡尔曼滤波提供对象状态的粗略预测,而无需对其进行手动初始化,具有比同类技术更快的运行速度和竞争性的跟踪性能。
Mar, 2017
该论文提出了一种基于外部记忆的一次学习方法来解决视频物体跟踪问题,可以处理多种复杂情况,并且在 VOT-2016 基准测试中表现良好。
Nov, 2017
本文提出了一种利用深度学习和流张量时空滤波相结合的多线索检测管道,可以高效地检测移动车辆并结合上下文信息进行语义压缩,以更好地利用空地网络链路的有限带宽。
Jul, 2019
本文介绍了一种用于视频目标检测的空间 - 时间记忆网络,其核心是一种新颖的空间 - 时间记忆模块,用于模拟长期的时间外观和动态运动,并提出了一种新的 MatchTrans 模块来解决视频中的物体运动问题。作者的方法在 benchmark ImageNet VID 数据集上取得了最先进的结果,并且文章的实验表明了不同设计选择的贡献。
Dec, 2017
该论文提出了一种新的方法,用于在缺乏全球导航卫星系统(GNSS)的环境中对无人机进行地理定位。通过预处理图像以提取边缘信息,可以显著提高 UAV 地理定位方法的性能,并增强对方向和高度不准确性的鲁棒性。此外,引入了一种用于本地化的置信度标准,并通过合成实验验证了相关发现。
Apr, 2024
近年来,无人机在自主载荷运输方面取得了巨大的进步,本文描述了一种微型无人机的开发,提出了一种导航方法,通过深度学习的计算机视觉方法来识别和准确对齐载荷传送位置处的目标,使得平均水平精度较传统的基于 GPS 的方法提高了 500%。
Oct, 2023
利用海洋无人机进行目标检测的深度学习技术在海洋工程和海洋行业的应用越来越重要。本文综述了海洋无人机目标检测面临的挑战、相关方法以及无人机航拍数据集,并提出了一个名为 MS2ship 的海洋无人机航拍数据集用于船只检测。通过一系列实验评估和鲁棒性分析,论文展示了这些目标检测方法在海洋数据集上的性能,并对未来的海洋无人机目标检测工作进行了讨论和展望。
Nov, 2023
本文研究了计算机视觉和深度学习技术在无人机检测方面的表现,探究了在复杂背景、不同大小、复杂天气等挑战条件下使用一阶段探测器和二阶段探测器进行 UAV 检测的性能,并对两个数据集进行了评估,研究结果为发展更为强大的 UAV 检测方法提供了借鉴。
May, 2023
本文介绍了一个旨在填补从陆基视觉系统到海基系统的差距的大规模视觉目标检测和跟踪基准(SeaDronesSee),我们从各种高度和视角,提供海拔,视角和其他元数据等相关信息,收集和注释了超过 54,000 帧,包括 400,000 个实例,并在此基础上评估了多个最先进的计算机视觉算法。
May, 2021