Multi-Sensor Fusion for UAV Classification Based on Feature Maps of Image and Radar Data

要約

最新の UAV は、独自のコスト、柔軟性、速度、効率性を備えているため、現代社会の多くの用途において魅力的な選択肢となっています。
しかし、これにより報告される悪意のあるインシデントや偶発的なインシデントの数が増え続けており、UAV の検出および分類メカニズムの開発の必要性が不可欠になっています。
すでに処理されたマルチセンサーデータを新しいディープニューラルネットワークに融合して、UAV検出に向けた分類精度を向上させるシステムを開発するための方法論を提案します。
DNN モデルは、熱、光電子、およびレーダー データに関連する個々の物体検出および分類モデルから抽出された高レベルの特徴を融合します。
さらに、モデルの畳み込みニューラル ネットワーク (CNN) ベースのアーキテクチャにも重点が置かれています。これは、熱センサーと光センサーの抽出された画像特徴を積み重ねることによって 3 つのセンサー モダリティの特徴を組み合わせ、各センサー単独よりも高い分類精度を実現します。

要約(オリジナル)

The unique cost, flexibility, speed, and efficiency of modern UAVs make them an attractive choice in many applications in contemporary society. This, however, causes an ever-increasing number of reported malicious or accidental incidents, rendering the need for the development of UAV detection and classification mechanisms essential. We propose a methodology for developing a system that fuses already processed multi-sensor data into a new Deep Neural Network to increase its classification accuracy towards UAV detection. The DNN model fuses high-level features extracted from individual object detection and classification models associated with thermal, optronic, and radar data. Additionally, emphasis is given to the model’s Convolutional Neural Network (CNN) based architecture that combines the features of the three sensor modalities by stacking the extracted image features of the thermal and optronic sensor achieving higher classification accuracy than each sensor alone.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google