Improving Drone Imagery For Computer Vision/Machine Learning in Wilderness Search and Rescue

要約

このペーパーでは、コンピューター ビジョン/機械学習 (CV/ML) モデルでの使用を損なうドローン画像の取得におけるギャップについて説明し、CV/ML 後処理に対する画像の適合性を最大化するための 5 つの推奨事項を示します。
これは、荒野の捜索および救助事件においてドローンを使用するための概念的な作業プロセスを説明しています。
広域検索フェーズからの大量のデータは、手動で検査する必要がある画像が多数あるため、CV/ML 技術を活用する最大の機会となります。
2023 年の日本でのウー・ムラド捜索は、この地域で実施された最大規模の行方不明者捜索の 1 つであり、ケーススタディとして機能します。
広範囲の捜索を行うドローン チームは、収集したデータが CV/ML の後処理に使用されるかどうかを事前に知ることができない場合がありますが、自動収集ソフトウェアを使用して捜索全般を改善できるデータ収集手順があります。
ドローン チームが CV/ML の使用を予定している場合は、モデルに関する知識を活用して飛行をさらに最適化できます。

要約(オリジナル)

This paper describes gaps in acquisition of drone imagery that impair the use with computer vision/machine learning (CV/ML) models and makes five recommendations to maximize image suitability for CV/ML post-processing. It describes a notional work process for the use of drones in wilderness search and rescue incidents. The large volume of data from the wide area search phase offers the greatest opportunity for CV/ML techniques because of the large number of images that would otherwise have to be manually inspected. The 2023 Wu-Murad search in Japan, one of the largest missing person searches conducted in that area, serves as a case study. Although drone teams conducting wide area searches may not know in advance if the data they collect is going to be used for CV/ML post-processing, there are data collection procedures that can improve the search in general with automated collection software. If the drone teams do expect to use CV/ML, then they can exploit knowledge about the model to further optimize flights.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google