Predicting UAV Type: An Exploration of Sampling and Data Augmentation for Time Series Classification

要約

無人航空機は一般的になりつつあり、多くの生産的な用途がある。しかし、その普及が進むにつれて、制限された空域をどのように守ればよいのか、という安全上の懸念も生じている。無人航空機の種類を知ることは、それがもたらす潜在的なリスクを判断する上で大いに役立つ。例えば、固定翼機はより長い距離でより多くの重量を運ぶことができるため、より重大な脅威となる可能性がある。本稿では、無人航空機をクワッドローター、ヘキサローター、固定翼のいずれかに分類するための機械学習モデルを紹介する。我々のアプローチは、時系列分類を目的として、長短記憶（Long-Short Term Memory：LSTM）ニューラルネットワークを効果的に適用する。タイムスタンプのサンプリング方法を変更し、クラス分布の不均衡に対処する効果を検証する実験を行った。これらの実験を通して、我々は最もパフォーマンスの高いサンプリング方法とクラスの不均衡を修正する方法を特定した。10フォールドのデータでマクロfスコアを平均化すると、大多数のクワッドロータークラスはよく予測され（98.16%）、極端なクラスインバランスにもかかわらず、モデルは大多数の固定翼飛行も正しく予測できることがわかった（73.15%）。ヘクサローターのインスタンスは、一般的にマルチローターと類似しているため、しばしばクワッドローターに誤分類された（42.15%）。しかし、結果は特定の方法で比較的安定していたため、そのトレードオフを分析し報告することにした。すべての実験を実行し、結果表を生成するためのコードとデータを含む、この論文の補足資料は、https://osf.io/mnsgk/。

要約(オリジナル)

Unmanned aerial vehicles are becoming common and have many productive uses. However, their increased prevalence raises safety concerns — how can we protect restricted airspace? Knowing the type of unmanned aerial vehicle can go a long way in determining any potential risks it carries. For instance, fixed-wing craft can carry more weight over longer distances, thus potentially posing a more significant threat. This paper presents a machine learning model for classifying unmanned aerial vehicles as quadrotor, hexarotor, or fixed-wing. Our approach effectively applies a Long-Short Term Memory (LSTM) neural network for the purpose of time series classification. We performed experiments to test the effects of changing the timestamp sampling method and addressing the imbalance in the class distribution. Through these experiments, we identified the top-performing sampling and class imbalance fixing methods. Averaging the macro f-scores across 10 folds of data, we found that the majority quadrotor class was predicted well (98.16%), and, despite an extreme class imbalance, the model could also predicted a majority of fixed-wing flights correctly (73.15%). Hexarotor instances were often misclassified as quadrotors due to the similarity of multirotors in general (42.15%). However, results remained relatively stable across certain methods, which prompted us to analyze and report on their tradeoffs. The supplemental material for this paper, including the code and data for running all the experiments and generating the results tables, is available at https://osf.io/mnsgk/.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL