Online Self-Supervised Thermal Water Segmentation for Aerial Vehicles

要約

我々は、テクスチャとモーションのキューを監視信号として活用することで、オンライン自己監視を使用して、RGB トレーニング済みの水セグメンテーション ネットワークをターゲット ドメインの航空熱画像に適応させる新しい方法を提案します。
この新しい熱機能により、海岸近くの環境で運用されている現在の自律型航空機ロボットが、視覚ナビゲーション、深深測量、夜間の流れ追跡などのタスクを実行できるようになります。
私たちの方法は、従来の教師ありおよび教師なし手法の適用を妨げていた、希少で入手困難な海岸近くの熱データの問題を克服します。
この研究では、私たちは初の海岸近くの空中熱データセットを厳選し、私たちのアプローチが限られた対象領域の熱データでトレーニングされた完全に監視されたセグメンテーション モデルよりも優れていることを示し、Nvidia Jetson 組み込みコンピューティング プラットフォーム上のリアルタイム機能を実証します。
この作業で使用されるコードとデータセットは、https://github.com/connorlee77/uav-thermal-water-segmentation から入手できます。

要約(オリジナル)

We present a new method to adapt an RGB-trained water segmentation network to target-domain aerial thermal imagery using online self-supervision by leveraging texture and motion cues as supervisory signals. This new thermal capability enables current autonomous aerial robots operating in near-shore environments to perform tasks such as visual navigation, bathymetry, and flow tracking at night. Our method overcomes the problem of scarce and difficult-to-obtain near-shore thermal data that prevents the application of conventional supervised and unsupervised methods. In this work, we curate the first aerial thermal near-shore dataset, show that our approach outperforms fully-supervised segmentation models trained on limited target-domain thermal data, and demonstrate real-time capabilities onboard an Nvidia Jetson embedded computing platform. Code and datasets used in this work will be available at: https://github.com/connorlee77/uav-thermal-water-segmentation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google