Lenhard, T. R., Weinmann, A., Franke, K., & Koch, T. (2024). SynDroneVision: A Synthetic Dataset for Image-Based Drone Detection. arXiv preprint arXiv:2411.05633v1.
本稿では、画像ベースのドローン検出のための深層学習モデルのトレーニングにおける、大規模で多様なデータセットの必要性と、現実世界のデータ収集に伴う課題に対処することを目的としています。
著者らは、Unreal Engine 5.0とColosseumを用いて、多様な環境、ドローンモデル、照明条件を特徴とする、SynDroneVisionと呼ばれる新しい合成データセットを作成しました。データ生成プロセスには、現実世界の環境を模倣した仮想環境におけるドローンの飛行のシミュレーション、多様なカメラの視点からの画像のキャプチャ、現実的な照明と大気条件のレンダリングが含まれます。さらに、データセットの多様性を高めるために、ランダムに選択された画像のサブセットに後処理のぼかしが適用されました。
SynDroneVisionを用いてトレーニングされたYOLOモデルの評価では、特に現実世界のデータと組み合わせた場合に、ドローン検出精度が大幅に向上することが示されました。さらに、SynDroneVisionは、現実世界のデータのみでトレーニングされたモデルと比較して、モデルの堅牢性の向上に貢献していることもわかりました。
SynDroneVisionは、画像ベースのドローン検出のための深層学習モデルのトレーニングのための貴重なリソースです。現実世界のデータと組み合わせることで、モデルの精度と堅牢性を向上させることができ、現実世界のデータ収集に伴う時間とコストを大幅に削減できます。
本研究は、合成データセットがドローン検出システムの開発にどのように貢献できるかを示すことで、コンピュータビジョンとセキュリティの分野に貢献しています。SynDroneVisionの公開リリースは、この分野のさらなる研究と進歩を促進する可能性があります。
本研究では、静的な環境が主に使用されました。今後の研究では、動的なオブジェクトや群衆などのより複雑なシナリオを組み込むことで、SynDroneVisionを拡張できます。さらに、ドローン検出のための深層学習モデルのトレーニングにおける、合成データと現実世界のデータの最適な比率を調査する必要があります。
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問