Nov, 2023

基于深度学习的海上无人机影像目标检测：综述与实验比较

PDF
TL;DR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。
maritime unmanned aerial vehiclesobject detectiondeep learning technologiesmaritime surveillanceuav aerial datasets
发现论文，激发创造
  • SeaDronesSee：开放水域人类检测的海上基准

    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

  • 2023 年海事计算机视觉（MaCVi）第一研讨会挑战结果

    该论文总结了 MaCVi 2023 国际研讨会围绕无人机和无人水面船舶的海洋计算机视觉的研究，并介绍了新的 benchmark，即 SeaDronesSee Object Detection v2。

    Nov, 2022

  • 2024 年海洋计算机视觉第二届研讨会

    本研究报告提供了对无人机和无人水面船只领域中的海上计算机视觉问题的深入研究，包括目标跟踪和障碍物分割等主要主题。

    Nov, 2023

  • 无人机基准测试：目标检测和跟踪

    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

  • 无人机精确载荷投递：一种基于目标检测算法的方法

    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

  • 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

  • 一种基于深度乏味还原方法的无人机鲁棒目标检测探究

    本文提出了一种利用元数据和相关无人机图像来学习领域鲁棒特征的对抗训练框架 —— 干扰解缠特征转换（NDFT）算法，以解决无人机图像中目标检测的具体挑战问题，实现了在两个现有基于无人机的目标检测基准测试上的最新性能。

    Aug, 2019

  • 确保无人机安全：基于视觉信息的实时碰撞避免框架，通过目标检测、跟踪和距离估计

    使用光学传感器进行无人机的检测、跟踪和距离估计，通过深度学习框架、目标检测模块、跟踪模块和深度估计模块实现全自主飞行和高级空中流动的无人机。

    May, 2024

  • 半监督水下图像目标检测算法

    利用变分自动编码器的半监督方法来检测水下无人潜水器收集的人工物体图像， 通过数据聚类和异常分数提取技术，能够大规模地识别感兴趣的物体的候选样本，并在未标记的数据集上实现了平均精度为 0.64 的识别

    Jun, 2023

  • 自主水面车辆水中物体的多模态感知数据集

    该研究介绍了第一个公开可用的多模态感知数据集，针对自主海洋导航中的水中障碍物，以增强自主水面车辆的情境感知。该数据集包括了不同环境条件下遇到的各种物体，并旨在通过提供多模态、带注释的、自我的感知数据集来填补海洋机器人学研究的空白，以进行物体检测和分类。我们还展示了该数据集框架的适用性，使用已经取得成功的基于深度学习的开源感知算法。我们期望我们的数据集将有助于海洋自主管道和海洋机器人技术的发展。请注意，这是我们正在进行的研究的一篇进行性论文，我们计划通过未来的出版物来完整发布。

    Apr, 2024