引导角度案例：面向自动飞行的安全关键检测的高分辨率填充
计算机视觉与模式识别
2025-01-15 v1 机器学习
摘要
现代机器学习技术在尤其是针对摄像图像的目标检测方面展现出巨大的潜力，因此也被用于启用自动化进程，如自动无人机飞行。我们对目标检测进行了研究，这是一种安全关键功能，可在自动飞行期间检测空中交通以确保安全。一个不成问题的课题是生成好的尤其是大型数据集，因为检测本身就是角度案例。大多数模型因原始数据中地面实况有限（例如记录的空中交通或小型飞机的正面飞行）而受限，往往导致检测率不佳且具有临界性。我们通过使用填充方法来引导数据集，从而使其显式包含原始数据的角度案例。我们提供了填充方法和生成模型概述，并给出一个给定小型标注数据集的示例管道。我们通过生成高分辨率数据集进行方法验证，该数据集我们公开提供，并将其提交给完全在真实数据上训练的独立目标检测器。
引用
@article{arxiv.2501.08142,
title = {Bootstrapping Corner Cases: High-Resolution Inpainting for Safety Critical Detect and Avoid for Automated Flying},
author = {Jonathan Lyhs and Lars Hinneburg and Michael Fischer and Florian Ölsner and Stefan Milz and Jeremy Tschirner and Patrick Mäder},
journal= {arXiv preprint arXiv:2501.08142},
year = {2025}
}