elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Deep Learning with Semi-Synthetic Training Images for Detection of Non-Cooperative UAVs

Briese, Christoph und Günther, Lukas (2019) Deep Learning with Semi-Synthetic Training Images for Detection of Non-Cooperative UAVs. In: 2019 International Conference on Unmanned Aircraft Systems, ICUAS 2019. The 2019 International Conference on Unmanned Aircraft Systems, 2019-06-11 - 2019-06-14, Atlanta, GA, USA. doi: 10.1109/ICUAS.2019.8797731.

[img] PDF
2MB

Kurzfassung

This paper presents a method to generate a dataset for training a deep convolutional network to detect a non cooperative unmanned aerial vehicle in video data. Deep convolutional network have shown a great potential for tasks like object detection and have been continuously improved in the last years. Still, the amount of training data is large and their generation can be complex and time consuming, especially if the appearance of the detected object is not clearly specified. The concept presented here is to train a deep convolutional neural network just with a few two dimensional images of unmanned aerial vehicle to simplify the process of generating training data. Performance of the trained network is evaluated with data from real experimental flights and compared with hand-labeled ground truth data to validate the correctness. To cover situations when the classifier fails at the detection, the output is integrated in a image processing pipeline for object tracking in order to establish a continuous tracking.

elib-URL des Eintrags:https://elib.dlr.de/128731/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Deep Learning with Semi-Synthetic Training Images for Detection of Non-Cooperative UAVs
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Briese, ChristophChristoph.Briese (at) Dlr.dehttps://orcid.org/0000-0003-4398-3038NICHT SPEZIFIZIERT
Günther, LukasInstitut für FlugsystemtechnikNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:17 Juni 2019
Erschienen in:2019 International Conference on Unmanned Aircraft Systems, ICUAS 2019
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.1109/ICUAS.2019.8797731
Status:veröffentlicht
Stichwörter:Unmanned Aircraft, Sense and Avoid, Machine Learning, Deep Convolutional Network
Veranstaltungstitel:The 2019 International Conference on Unmanned Aircraft Systems
Veranstaltungsort:Atlanta, GA, USA
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:11 Juni 2019
Veranstaltungsende:14 Juni 2019
Veranstalter :IEEE/ICUAS Association
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Luftfahrt
HGF - Programmthema:keine Zuordnung
DLR - Schwerpunkt:Luftfahrt
DLR - Forschungsgebiet:L - keine Zuordnung
DLR - Teilgebiet (Projekt, Vorhaben):L - keine Zuordnung
Standort: Braunschweig
Institute & Einrichtungen:Institut für Flugsystemtechnik
Hinterlegt von: Briese, Christoph
Hinterlegt am:10 Jan 2020 19:04
Letzte Änderung:24 Apr 2024 20:32

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.