SynDroneVision: A Synthetic Dataset for Image-Based Drone Detection

要約

堅牢なドローン検出システムの開発は、大規模な注釈付きトレーニング データの入手が限られていることと、実世界のデータ収集に伴う高額なコストによって制約を受けることがよくあります。
ただし、ゲーム エンジン ベースのシミュレーションによって生成された合成データを活用すると、この問題を克服するための有望でコスト効率の高いソリューションが得られます。
したがって、監視アプリケーションにおける RGB ベースのドローン検出用に特別に設計された合成データセットである SynDroneVision を紹介します。
SynDroneVision は、多様な背景、照明条件、ドローン モデルを備え、深層学習アルゴリズムの包括的なトレーニング基盤を提供します。
データセットの有効性を評価するために、選択した最近の YOLO 検出モデル全体で比較分析を実行します。
私たちの調査結果は、SynDroneVision が実世界のデータ強化のための貴重なリソースであり、実世界のデータ取得にかかる時間とコストを大幅に削減しながら、モデルのパフォーマンスと堅牢性の顕著な強化を実現することを示しています。
SynDroneVision は論文が受理され次第、一般公開されます。

要約(オリジナル)

Developing robust drone detection systems is often constrained by the limited availability of large-scale annotated training data and the high costs associated with real-world data collection. However, leveraging synthetic data generated via game engine-based simulations provides a promising and cost-effective solution to overcome this issue. Therefore, we present SynDroneVision, a synthetic dataset specifically designed for RGB-based drone detection in surveillance applications. Featuring diverse backgrounds, lighting conditions, and drone models, SynDroneVision offers a comprehensive training foundation for deep learning algorithms. To evaluate the dataset’s effectiveness, we perform a comparative analysis across a selection of recent YOLO detection models. Our findings demonstrate that SynDroneVision is a valuable resource for real-world data enrichment, achieving notable enhancements in model performance and robustness, while significantly reducing the time and costs of real-world data acquisition. SynDroneVision will be publicly released upon paper acceptance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google