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

ERA: A Dataset and Deep Learning Benchmark for Event Recognition in Aerial Videos

Mou, LiChao und Hua, Yuansheng und Pu, Jin und Zhu, Xiao Xiang (2020) ERA: A Dataset and Deep Learning Benchmark for Event Recognition in Aerial Videos. IEEE Geoscience and Remote Sensing Magazine (GRSM), 8 (4), Seiten 125-133. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/MGRS.2020.3005751. ISSN 2168-6831.

[img] PDF - Postprintversion (akzeptierte Manuskriptversion)
7MB

Offizielle URL: https://ieeexplore.ieee.org/document/9295448

Kurzfassung

As a result of the increasing use of unmanned aerial vehicles (UAVs), large volumes of aerial videos have been produced. It is unrealistic for humans to screen such big data and understand the contents. Hence, methodological research on the automatic understanding of UAV videos is of paramount importance (Figure 1). In this article, we introduce a novel problem of event recognition in unconstrained aerial videos in the remote sensing community and present the large-scale, human-annotated Event Recognition in Aerial Videos (ERA) data set, consisting of 2,864 videos, each with a label from 25 different classes corresponding to an event unfolding for five seconds. All these videos are collected from YouTube. The ERA data set is designed to have significant intra-class variation and interclass similarity and captures dynamic events in various circumstances and at dramatically various scales. Moreover, to offer a benchmark for this task, we extensively validate existing deep networks. We expect that the ERA data set will facilitate further progress in automatic aerial video comprehension. The data set and trained models can be downloaded from https://lcmou.github.io/ERA_Dataset/.

elib-URL des Eintrags:https://elib.dlr.de/140908/
Dokumentart:Zeitschriftenbeitrag
Titel:ERA: A Dataset and Deep Learning Benchmark for Event Recognition in Aerial Videos
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Mou, LiChaoLiChao.Mou (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Hua, YuanshengYuansheng.Hua (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Pu, JinNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zhu, Xiao Xiangxiao.zhu (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Dezember 2020
Erschienen in:IEEE Geoscience and Remote Sensing Magazine (GRSM)
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:8
DOI:10.1109/MGRS.2020.3005751
Seitenbereich:Seiten 125-133
Verlag:IEEE - Institute of Electrical and Electronics Engineers
ISSN:2168-6831
Status:veröffentlicht
Stichwörter:ERA, deep learning, event recognition, aerial videos
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Fernerkundung u. Geoforschung, R - Vorhaben hochauflösende Fernerkundungsverfahren (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > EO Data Science
Hinterlegt von: Bratasanu, Ion-Dragos
Hinterlegt am:12 Feb 2021 17:19
Letzte Änderung:24 Okt 2023 12:53

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.