AstroVision: Towards Autonomous Feature Detection and Description for Missions to Small Bodies Using Deep Learning

要約

小天体へのミッションは、ターゲット天体の特性評価と周囲の相対的なナビゲーションのために、光学的特徴追跡に大きく依存しています。深層学習は特徴の検出と記述に大きな進歩をもたらしたが、宇宙アプリケーションのためのデータ駆動型モデルの訓練と検証は、大規模で注釈付きのデータセットの利用可能性が限られているため、困難である。本論文では、過去および現在進行中のミッションで撮影された16種類の小天体の高密度な注釈付き実画像115,970枚からなる大規模データセット、AstroVisionを紹介する。我々はAstroVisionを利用して、標準化されたベンチマークセットを開発し、手作業とデータ駆動型の両方の特徴検出・記述手法の徹底的な評価を実施する。次に、AstroVisionを使用して、最先端の深い特徴検出と記述ネットワークのエンドツーエンドのトレーニングを行い、複数のベンチマークで性能の向上を実証する。ベンチマークパイプラインとデータセットは、宇宙アプリケーションのためのコンピュータビジョンアルゴリズムの発展を促進するために、一般に公開される予定です。

要約(オリジナル)

Missions to small celestial bodies rely heavily on optical feature tracking for characterization of and relative navigation around the target body. While deep learning has led to great advancements in feature detection and description, training and validating data-driven models for space applications is challenging due to the limited availability of large-scale, annotated datasets. This paper introduces AstroVision, a large-scale dataset comprised of 115,970 densely annotated, real images of 16 different small bodies captured during past and ongoing missions. We leverage AstroVision to develop a set of standardized benchmarks and conduct an exhaustive evaluation of both handcrafted and data-driven feature detection and description methods. Next, we employ AstroVision for end-to-end training of a state-of-the-art, deep feature detection and description network and demonstrate improved performance on multiple benchmarks. The full benchmarking pipeline and the dataset will be made publicly available to facilitate the advancement of computer vision algorithms for space applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL