面向有损环境下无人机侦察任务的自适应数据传输机制
图像与视频处理
2024-10-16 v1 计算机视觉与模式识别
摘要
无人机 (UAV) 因能够访问偏远地区并将实时图像传输至处理服务器，在海关巡逻和犯罪检测等侦察、监视、勘察 (ISR) 任务中发挥着日益重要的作用。然而，UAV 在有效载荷大小、功率限制和通信带宽方面受到高度限制，这 necessitates 发展高度选择性和高效的数据传输策略。这推动了各种压缩和最优传输技术的开发。然而，大多数方法致力于保留传输视频帧中的最大信息，忽略了只有图像/视频帧的某些部分可能为最终任务目标（如移动目标检测和跟踪）提供有意义的贡献这一事实。这篇论文采用不同的视角，提供一种替代的 AI 驱动调度策略，优先选择显著贡献于任务目标的图像区域的关键思想是将图像划分为小块，并开发深度强化学习 (DRL) 框架，将 presenting 与检测感兴趣对象的重叠度更高的块分配更高的传输概率，同时对连续帧上的尖锐转换进行惩罚，以促进平滑的调度转换。尽管我们使用 Yolov-8 对象检测和 UDP 传输协议作为基准测试场景，但该概念是通用的，可适用于不同的传输协议和对象检测/跟踪方法。为了进一步提升系统性能并避免 cluttered 图像块的检测错误，我们将其与帧间插值集成。
引用
@article{arxiv.2410.10843,
title = {Adaptive Data Transport Mechanism for UAV Surveillance Missions in Lossy Environments},
author = {Niloufar Mehrabi and Sayed Pedram Haeri Boroujeni and Jenna Hofseth and Abolfazl Razi and Long Cheng and Manveen Kaur and James Martin and Rahul Amin},
journal= {arXiv preprint arXiv:2410.10843},
year = {2024}
}