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

Generating Synthetic Data for Deep Learning-Based Drone Detection

Dieter, Tamara und Weinmann, Andreas und Brucherseifer, Eva (2023) Generating Synthetic Data for Deep Learning-Based Drone Detection. In: AIP Conference Proceedings, 1 (2939). American Institute of Physics Conference Proceedings. 48th International Conference “Applications of Mathematics in Engineering and Economics” (AMEE'22), 2022-06-07 - 2022-06-13, Sozopol, Bulgaria. doi: 10.1063/5.0180345. ISSN 0094-243X.

[img] PDF - Nur DLR-intern zugänglich
2MB

Offizielle URL: https://pubs.aip.org/aip/acp/article/2939/1/030007/2929077/Generating-synthetic-data-for-deep-learning-based

Kurzfassung

Drone detection is an important yet challenging task in the context of object detection. The development of robust and reliable drone detection systems requires large amounts of labeled data, especially when using deep learning (DL) models. Unfortunately, acquiring real data is expensive, time-consuming, and often limited by external factors. This makes synthetic data a promising approach to addressing data deficiencies. In this paper, we present a data generation pipeline based on Unreal Engine 4.25 and Microsoft AirSim, designed to create synthetic labeled data for drone detection using three-dimensional environments. As part of an ablation study, we investigate the potential use of synthetic data in drone detection by analyzing different training strategies, influencing factors, and data generation parameters, specifically related to the visual appearance of a drone.

elib-URL des Eintrags:https://elib.dlr.de/193173/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Generating Synthetic Data for Deep Learning-Based Drone Detection
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Dieter, TamaraTamara.Dieter (at) dlr.dehttps://orcid.org/0000-0001-9191-0170NICHT SPEZIFIZIERT
Weinmann, Andreasandreas.weinmann (at) h-da.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Brucherseifer, EvaEva.Brucherseifer (at) dlr.dehttps://orcid.org/0000-0001-9810-7671NICHT SPEZIFIZIERT
Datum:2023
Erschienen in:AIP Conference Proceedings
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
Band:1
DOI:10.1063/5.0180345
Verlag:American Institute of Physics Conference Proceedings
ISSN:0094-243X
Status:veröffentlicht
Stichwörter:Drone Detection, Deep Learning, Synthetic Data
Veranstaltungstitel:48th International Conference “Applications of Mathematics in Engineering and Economics” (AMEE'22)
Veranstaltungsort:Sozopol, Bulgaria
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:7 Juni 2022
Veranstaltungsende:13 Juni 2022
Veranstalter :Technical University of Sofia
HGF - Forschungsbereich:keine Zuordnung
HGF - Programm:keine Zuordnung
HGF - Programmthema:keine Zuordnung
DLR - Schwerpunkt:keine Zuordnung
DLR - Forschungsgebiet:keine Zuordnung
DLR - Teilgebiet (Projekt, Vorhaben):keine Zuordnung
Standort: Rhein-Sieg-Kreis
Institute & Einrichtungen:Institut für den Schutz terrestrischer Infrastrukturen > Digitale Zwillinge von Infrastrukturen
Institut für den Schutz terrestrischer Infrastrukturen
Hinterlegt von: Lenhard, Tamara
Hinterlegt am:06 Mär 2023 09:37
Letzte Änderung:24 Apr 2024 20:54

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.