Aug, 2024

无人机增强的应用组合：灾难场景人类检测数据集的综合分析与基准测试

HTML
PDF
TL;DR本研究解决了无人机在搜索与救援操作中缺乏专门的人类检测数据集的问题。通过引入C2A数据集，并与先进检测模型的实验，研究发现该数据集显著提升了模型的性能，强调了与通用人类数据集结合的重要性，从而提高灾难响应的有效性与普适性。
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

  • ADAPT: 一个基于开源的小型无人机有效荷载，用于实时灾害预测和响应，带有人工智能技术

    本文开发了用于在现场和超视距飞行期间部署实时AI和计算机视觉的ADAPT多任务负载。我们详细介绍了ADAPT负载的开发和测试，演示了实时冰分割的示例任务，以监测河流是否结冰，并提供洪水的及时预测

    Jan, 2022

  • 无人机4好：通过远程感知和人工智能支持灾害救援

    通过无人机数据与深度学习方法的结合，实现自动化和大规模的情况评估，同时证明了无人机的自主投送能够集成机载图像处理技术，提高运载救援物资的安全性。

    Aug, 2023

  • WiSARD：用于野外搜救的标记视觉和热像数据集

    使用多模态传感器的无人机可在各种环境条件下执行野外搜寻和救援任务，并且WiSARD数据集为研究人员提供了一个多样且具有挑战性的基准，从而测试算法在实际（救生）应用中的稳健性。

    Sep, 2023

  • NOMAD: 自然、遮挡和多尺度空中数据集，应用于紧急响应场景

    利用小型无人机系统（sUAS）进行紧急响应场景的搜索与救援，集成计算机视觉能力成为任务成功的关键因素。然而，从地面视角转移到空中视角时，计算机视觉在检测人类方面的性能严重下降。本文介绍了一个针对遮挡视角下的人体检测的多尺度空中遮挡自然数据集（NOMAD），提供不同空中距离和丰富的图像变化。此数据集可用于评估计算机视觉模型在各种遮挡范围内的检测性能，旨在提高空中搜索与救援的效果，加强sUAS与人类的协作。

    Sep, 2023

  • 应用层次分析法和基于相似度的经验回放的多目标强化学习在搜救任务中以人为中心的无人机航迹规划

    通过加强学习结合分析层次过程和基于相似性的经验重放，优化无人机轨迹，平衡运营目标与人类安全、舒适性等考虑因素，同时调查性别线索和拟人化在公众接受和信任方面的影响，在搜索与救援任务中设计与人类价值观相符的无人机系统的宝贵洞察。

    Feb, 2024

  • 通过增强航空图像模拟天气条件提高海上搜救中人类检测算法的鲁棒性

    本研究解决了海上搜救任务中人类检测算法的准确性不足的问题。通过利用增强数据集模拟不同天气和光照条件，提出了一种创新的方法来训练YOLO模型。研究结果表明，经过增强训练的模型在真实环境条件下表现出更高的鲁棒性和人类检测准确率，提升了搜救行动的效率。

    Aug, 2024

  • 通过增强航空图像模拟天气条件提高海洋搜索救援中人类检测算法的鲁棒性

    本研究解决了海洋搜索救援（SAR）中人类检测精度不足的问题。通过使用YOLO模型对包含各种气象和光照条件的增强数据集进行训练，提出了一种创新的方法来提升检测准确性。研究结果表明，使用增强数据集训练的模型在面对现实世界的变化条件时，表现出更强的鲁棒性，检测回调率提高了3.4%。

    Aug, 2024

  • 优化森林野火监测：利用FLAME航拍视频数据集的AI增强无人机实现轻量高效监控

    本研究关注于无人机在灾害应急响应中的数据实时处理问题，提出了一种轻量且高效的航拍视频理解方法，解决了现有深度学习模型对计算资源限制的忽视。通过政策网络识别视频中的冗余部分并利用帧压缩技术去除多余信息，我们的方法在计算成本减少超过13倍的同时，准确度提升3%。

    Aug, 2024

  • 无人机（UAV）：无人机数据集在分割、分类、检测和追踪中的多样化应用

    本研究解决了无人机数据集在不同研究领域应用缺乏全面性的难题。通过系统审视各种类型的无人机数据集，文章阐述了其在灾害评估、空中监视及物体识别等多方面的广泛应用。这项研究的关键发现是，利用这些数据集能够显著提升计算机视觉模型的能力，从而促进技术进步和理解复杂动态环境。

    Sep, 2024