Nov, 2023

基于熵的视觉解释的卫星组件识别中的 YOLOv5 研究

PDF
TL;DR通过利用信息论分析模型中隐藏层中的潜在表达来解释决策过程，研究论文使用了 PEEK 方法，使得我们能够了解 You Only Look Once v5（YOLOv5）目标检测模型在解决低地球轨道（LEO）中的非合作和未鉴别空间碎片的自主小型追逐卫星的几何确定和安全飞行轨迹规划方面的优势、局限性和偏差。
发现论文，激发创造
  • SatSplatYOLO：基于 3D 高斯糊片的卫星特征识别虚拟物体检测集成

    使用加速的 3D 高斯模糊投射技术，在轨道上实现对不明卫星的几何映射和高准确度组件检测，从而实现自主导航和控制任务。

    Jun, 2024

  • SpY: 基于上下文的航天器组件检测方法

    本文介绍了一种名为 SpaceYOLOv2 (SpY) 的端到端物体检测器，利用传统的计算机视觉技术融入上下文知识以提高检测准确性，并通过与现有的航天器部件检测器相结合，使得 SpY 在硬件环路图像的评估中表现出较高的准确性，为基于视觉导航任务提供了增强安全性的解决方案。

    Jun, 2024

  • 基于机器学习的太空物体密度分布预测方法

    提出了一种机器学习模型以加速人工空间目标的密度分布的传播，并通过长期预测实验来评估模型的能力和性能退化原因及解决方案。

    Jan, 2024

  • 实时改进的物体检测：自主行星着陆中有害地形探测与分类

    本文提出了一种基于深度学习的自主空间航天器行星着陆的视觉危险地形检测和分类技术，包括无监督领域自适应和视觉相似性聚类等方法，通过一系列地球和外星模拟实验展示其实用性并显着提高了探测和准确分类星球地形的能力。

    Mar, 2023

  • FlightScope: 卫星图像中飞机检测算法的深度综合评估

    评估和比较适用于识别卫星图像中飞机的一套先进目标检测算法，并使用 HRPlanesV2 数据集和 GDIT 数据集进行验证，研究表明 YOLOv5 是特定情况下从遥感数据中识别飞机的最佳模型，具有高精度和适应性。

    Apr, 2024

  • 快速多尺度卫星图像物体检测：你只需要看两次

    使用 You Only Look Twice (YOLT) 管道，通过深度学习技术，在相对较少的训练数据和多个传感器上快速、有效地检测任意尺寸的目标，包括小于 10 个像素。

    May, 2018

  • CosmosDSR - 基于无迹卡尔曼滤波器的自动轨道碎片检测与跟踪方法

    本研究介绍了 CosmosDSR 方法，将 YOLOv3 与无迹卡尔曼滤波器结合，用于序列图像中卫星的跟踪，与线性卡尔曼滤波器进行比较，表明该算法在卫星检测和跟踪方面具有潜力，为解决凯斯勒综合症提供了可能的解决方案。

    Oct, 2023

  • YOLO-World：实时开放词汇物体检测

    YOLO-World is an innovative approach that enhances the You Only Look Once (YOLO) series of detectors with open-vocabulary detection capabilities through vision-language modeling, achieving high efficiency and accuracy in detecting a wide range of objects in a zero-shot manner.

    Jan, 2024

  • 低地球轨道场景分类的分散半监督机载学习

    利用卫星集群上的半监督学习，以温度和有限的电源预算为基础，对神经网络进行基准测试，我们展示了在最新卫星硬件上进行机器学习模型的训练，以节省通信和操作成本，同时评估了采用分散和联邦学习方法的任务场景，并在一天的任务时间内，实现了高精度（欧洲卫星 RGB 数据集约为 91％）的收敛。

    May, 2023

  • 卫星与空间碎片碰撞概率的预测：基于贝叶斯机器学习方法

    通过建立隐藏马尔可夫模型，利用碰撞数据消息的概率序列，研究预测两个空间物体碰撞风险的可行性，并使用贝叶斯统计推断模型参数的联合分布，从而开发出可靠的概率预测模型，进一步验证了碰撞警告具有马尔可夫属性的观点，并提出了进一步深入研究的建议。

    Nov, 2023