Fast Region of Interest Proposals on Maritime UAVs

要約

無人航空機は、広い捜索エリアを飛行して物体や人を自律的に捜索することにより、海上捜索および救助任務を支援します。
対象オブジェクトを確実に検出するには、組み込みハードウェアで採用する高速モデルが必要です。
さらに、地上局までの距離が長くなると、ビデオ データの一部しか送信できなくなります。
この作業では、組み込み GPU のビデオ ストリームで意味のある関心領域の提案を見つける問題を検討します。
現在のオブジェクトまたは異常検出器は、速度が遅いため、特に限られたハードウェアや大きな画像解像度には適していません。
最後に、残骸などの対象物は、多くの場合アプリオリに知られていません。
したがって、組み込みGPUでリアルタイムで実行され、領域提案を生成するエンドツーエンドの将来のフレーム予測モデルを提案します。
大規模な海事データセットでそのパフォーマンスを分析し、従来の方法や最新の方法よりも優れていることを実証します。

要約(オリジナル)

Unmanned aerial vehicles assist in maritime search and rescue missions by flying over large search areas to autonomously search for objects or people. Reliably detecting objects of interest requires fast models to employ on embedded hardware. Moreover, with increasing distance to the ground station only part of the video data can be transmitted. In this work, we consider the problem of finding meaningful region of interest proposals in a video stream on an embedded GPU. Current object or anomaly detectors are not suitable due to their slow speed, especially on limited hardware and for large image resolutions. Lastly, objects of interest, such as pieces of wreckage, are often not known a priori. Therefore, we propose an end-to-end future frame prediction model running in real-time on embedded GPUs to generate region proposals. We analyze its performance on large-scale maritime data sets and demonstrate its benefits over traditional and modern methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google