Investigation of UAV Detection in Images with Complex Backgrounds and Rainy Artifacts

要約

無人航空機 (UAV) をリアルタイムで検出するために、コンピューター ビジョンとディープラーニングのアプローチが研究分野を進化させています。
多くの用途で UAV を使用することで起こり得る危険性や悪用に関する懸念から、この問題への関心が高まっています。
これらには、潜在的なプライバシー侵害が含まれます。
この懸念に対処するために、UAV 検出用の視覚ベースの物体検出方法が開発されました。
しかし、複雑な背景や雨などの気象現象を含む画像における UAV の検出については、まだ合理的に研究されていません。
したがって、この目的のために、2 つのトレーニング データセットを準備しました。
最初のデータセットは背景として空を持ち、空背景データセット (SBD) と呼ばれます。
2 番目のトレーニング データセットには、より複雑なシーン (さまざまな背景を持つ) が含まれており、Complex Background Dataset (CBD) と呼ばれます。
さらに、2 つのテスト セットが準備されました。1 つは鮮明な画像を含み、もう 1 つは 3 つの雨アーチファクトを含む画像を含み、Rainy Test Set (RTS) と名付けられました。
この研究は、最先端の物体検出モデルのベンチマークにも焦点を当てており、私たちの知る限りでは、次のような困難な条件下での UAV 検出のための最近の一般的なビジョンベースの物体検出方法のパフォーマンスを調査する最初の研究です。
複雑な背景、さまざまな UAV サイズ、少雨から激しい雨の状況などです。
この論文で示された発見は、困難な条件下での UAV 検出用に選択されたモデルのパフォーマンスに関する洞察を提供し、より堅牢な UAV 検出方法を開発する道を開くのに役立ちます。
コードとデータセットは、https://github.com/AdnanMunir294/UAVD-CBRA で入手できます。

要約(オリジナル)

To detect unmanned aerial vehicles (UAVs) in real-time, computer vision and deep learning approaches are evolving research areas. Interest in this problem has grown due to concerns regarding the possible hazards and misuse of employing UAVs in many applications. These include potential privacy violations. To address the concerns, vision-based object detection methods have been developed for UAV detection. However, UAV detection in images with complex backgrounds and weather artifacts like rain has yet to be reasonably studied. Hence, for this purpose, we prepared two training datasets. The first dataset has the sky as its background and is called the Sky Background Dataset (SBD). The second training dataset has more complex scenes (with diverse backgrounds) and is named the Complex Background Dataset (CBD). Additionally, two test sets were prepared: one containing clear images and the other with images with three rain artifacts, named the Rainy Test Set (RTS). This work also focuses on benchmarking state-of-the-art object detection models, and to the best of our knowledge, it is the first to investigate the performance of recent and popular vision-based object detection methods for UAV detection under challenging conditions such as complex backgrounds, varying UAV sizes, and low-to-heavy rainy conditions. The findings presented in the paper shall help provide insights concerning the performance of the selected models for UAV detection under challenging conditions and pave the way to develop more robust UAV detection methods. The codes and datasets are available at: https://github.com/AdnanMunir294/UAVD-CBRA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google