כתבה
arXiv cs.AI ·
דטקציה של עצמים ימיים באמצעות AI על-גבי נגררי תצלומים להפחתת נתונים באמצעות חומרה מוטמעת
AI-Based On-Board Maritime Object Detection for Earth Observation Payload Data Reduction on Versal Embedded Hardware
במאמר זה נחקרה שיטה לדטקציה של עצמים ימיים באמצעות AI על-גבי נגררי תצלומים להפחתת נתונים באמצעות חומרה מוטמעת. השיטה כוללת שלושה צירים: (i) נתונים ואלגוריתם: נתונים מאומתים נוצרו מ-68 תצלומי Maxar עם 43 סוגי ספינות, ודטקטור YOLOX-S נלמד עליהם. (ii) הפעלה מוטמעת: הדטקטור נקוונטיז והופעל על DPU של Versal VC1902, עם הפסד מועט באיכות הדטקציה וזמן עיבוד של כמה שניות לכל תצלום. (iii) הפחתת נתונים: הוצעו מספר דפוסי ירידה, ממטא-דטה בלבד (קוביה, סוג וסקור של כל דטקציה) עד תמונות חתך סביב ספינות, טילים המחזיקים דטקציות, או התצלום השלם עם רקע מושחת, ונערכה הערכה מהשגיאות המדודות של הדטקציה כיחס הטוב של הספינות שנשמרו לכמות הנתונים שיורדים.
תקציר מקורי באנגליתarXiv:2610.12182v1 Announce Type: cross Abstract: Very-high-resolution Earth-observation satellites acquire more data than they can store and downlink, while in maritime surveillance the vessels cover a tiny fraction of each scene. We study onboard vessel detection as a way to select what is downlinked, which reduces the data according to its content rather than coding every pixel; it is complementary to conventional onboard compression. The work follows three axes. (i) Data and algorithm: a controlled dataset is generated from 68 annotated Maxar scenes with 43 vessel classes, and a YOLOX-S detector is trained on it. (ii) Embedded deployment: the detector is quantized and deployed on the DPU of a Versal VC1902, with a limited loss of detection quality and a processing time of a few seconds
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית