无人机和神经网络用于搜救任务

Oct, 2023

UAVs and Neural Networks for search and rescue missions

Hartmut Surmann, Artur Leinweber, Gerhard Senkowski, Julien Meine, Dominik Slomma

TL;DR通过使用人工神经网络和监督学习的数据集，本论文提出了一种在无人机拍摄的航拍图像中检测感兴趣对象（包括汽车、人类和火灾）的方法，并结合经典图像处理技术和预训练的神经网络实现了数据集的辅助标注和数据扩增。最后，评估了不同神经网络的性能。

Abstract

In this paper, we present a method for detecting objects of interest, including cars, humans, and fire, in aerial images captured by unmanned aerial vehicles (UAVs) usually during vegetation fires. To achieve this, we use →

object detection aerial images unmanned aerial vehicles artificial neural networks data augmentation

发现论文，激发创造

基于分布式深度学习和合成数据生成的搜救小目标检测

该研究使用 UAV 和固定监控摄像头构建了一个自动目标检测系统，结合了图像分割、增强和卷积神经网络等技术，可以在 8 秒内检测到目标，并使用合成数据生成和数据增强技术提高检测精度，这一解决方案有望帮助一线应对突发事件和搜救操作。

Apr, 2019

基于深度学习的无人机应急响应航空影像分类

本篇论文研究了利用无人机进行应急响应和灾害管理的自动化航空场景分类，提出了一个用于紧急响应的航空图像数据库（AIDER），并进行了现有方法的比较分析。通过该分析，开发出了一个轻量级的卷积神经网络（CNN）架构，能够在嵌入式平台上高效运行，在需要的时候能够在灾难性事件中提供即时帮助。

Jun, 2019

利用无人机与深度学习进行灾害监测

利用装备相机传感器的无人机进行灾害监测，并结合深度学习技术可以高准确性地识别灾害，544 幅图像实验结果表明，该技术有望成为高效的灾害预测方法。

Jul, 2018

基于人工智能的无人机协助灾难环境下的人类救援：挑战与机遇

使用基于无人机的系统，特别是通过识别人类尖叫声和其他紧急信号来检测个体。该研究在灾后情景下具有重要意义，包括地震、飓风、军事冲突、野火等事件。

Jun, 2024

嵌入式无人机实时空中检测与推理

提出一种统一的流水线架构，用于 UAV 上的嵌入式系统的实时检测系统，可在自主勘测和活动报告等 UAV 应用中利用领域特定知识进行空中行人检测和活动识别。

May, 2023

教导无人机飞行比赛：模拟环境下的敏捷控制端到端回归

该研究利用深度神经网络和数据增强来训练自主赛道竞速的无人机，表明数据增强对于端到端学习非常重要，并且优化后的神经网络能够在嵌入式硬件上实时运行，适用于实际部署。

Aug, 2017

基于视觉的复杂背景和雨天下的无人机检测

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

提升机载图像在野外搜救中的计算机视觉 / 机器学习表现

描述无人机图像采集中的缺陷，给出了优化计算机视觉 / 机器学习后处理图像适应性的五项建议，并描述了野外搜救事件中无人机使用的概念工作流程。

Sep, 2023

协同无人机和卷积网络实现高效实时图像识别

在本文中，我们提出了一种旨在将推理请求分配到资源受限的 UAV 群体的策略，该策略可在无人机上对捕获的图像进行分类，并找到最小的决策延迟，其模型被制定为一个最小化获取图像与做出最终决策之间延迟的优化问题，我们提出了一种名为 DistInference 的在线启发式解决方案，以找到最佳延迟的分层策略，可以用于不同的低决策延迟应用程序以及所有 CNN 类型。

Jul, 2021

利用深度学习解决极度不均衡数据集的最佳实践：无人机图像中的哺乳动物检测

本文提出了使用无人机和深度学习算法进行大规模野生动物普查，并通过优化卷积神经网络的训练方法和评估协议，将假阳性率降低一个数量级，大大提高了数据筛选和自动检测的效率。

Jun, 2018