Nov, 2023

SeaDSC：一种基于视频的无监督方法用于无人水面船只的动态场景变化检测

PDF
TL;DR我们的研究主要探讨了海洋视觉中的场景变化检测，在这项工作中，我们利用计算机视觉技术结合非监督学习的方法，通过使用多个海洋数据集进行模型训练，提出了一种基于相似度评分的动态场景变化检测技术，实验证明了其高效的性能。
发现论文，激发创造
  • 无人水面车快速基于图像的障碍物检测

    本文提出了一种新的图形模型，利用基于 Markov 随机场的高效算法，通过对海洋环境的观测，实现了无人驾驶水面船只 (USV) 在单视频流中对航行障碍物的快速连续检测，不需要计算复杂的纹理特征，并在实时运行的同时取得了最好的分割结果。

    Mar, 2015

  • 极端海洋环境下的无人水面船视觉自主导航

    该研究论文介绍了一种应对极端海洋条件中目标物跟踪的自主视觉导航框架，该框架利用生成对抗网络（GAN）和 YOLOv5 目标检测器对视觉特征进行处理，并在沙尘暴和雾等极端能见度受限条件下进行了充分测试，结果表明该方案在多个指标上优于现有方法。

    Aug, 2023

  • 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

  • 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

    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

  • 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

  • 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

  • ReIDTracker Sea：WACV24 MaCVi 的 BoaTrack 和 SeaDronesSee-MOT 挑战的技术报告

    我们的研究探索了在海洋中使用无人机和无人水面船只的多目标跟踪技术，通过自监督学习实现实例表示学习，并与高质量探测器合作，简单高效地完成多目标跟踪任务。

    Nov, 2023

  • MCDS-VSS：基于自监督几何和运动滤波的移动相机动态场景视频语义分割

    我们提出了 MCDS-VSS，这是一种结构化滤波模型，通过自监督学习来估计场景几何和相机自运动，并估计外部物体的运动，从而提高语义分割的时间一致性。我们的模型将汽车场景解析为多个解耦的可解释表示，例如场景几何、自运动和物体运动，并在保持竞争性分割性能的同时实现了优越的时间一致性。

    May, 2024

  • 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

  • DisBeaNet：深度神经网络提升无人水面器械的海上态势感知

    本文介绍了一种智能视觉感知系统，基于机载摄像头的无人船舶中的智能检测和跟踪，用于在海上环境中检测和追踪船只。

    May, 2024