Bài báo: “Aerial Data Exploration: An In-Depth Study from Horizontal to Oriented Viewpoint”
Link bài báo: https://ieeexplore.ieee.org/document/10453557/
Sinh viên thực hiện:
Ngô Hương Giang - KTPM2022.1 - Đồng tác giả
Toàn Lê - KTPM2022.3 - Đồng tác giả
Nguyễn Xuân Quang - KTPM2022.3 - Đồng tác giả
Đoàn Danh Dự - KTPM2022.1 - Đồng tác giả
Nguyễn Vũ Bình - KTPM2022.1 - Đồng tác giả
Lê Hữu Độ - KTPM2022.1 - Đồng tác giả
Lê Duy Nguyên - KTPM2022.2 - Đồng tác giả
Trần Nguyễn Chí Huy - KTPM2022.1 - Đồng tác giả
Giáo viên hướng dẫn:
Th.S Võ Duy Nguyên
TS. Nguyễn Duy Khánh
TS. Nguyễn Tấn Trần Minh Khang
Tóm tắt bài báo:
The development of technological devices, such as satellites and drones, has made it easier to collect images and videos from the air. From these vast data sources, the problem of detecting objects in aerial images is formed to serve situations: rescue missions, social scenarios, security needs, and more. This issue attracts a lot of attention from researchers in computer vision because of its high applicability in real life. However, this problem faces many significant challenges due to the complex factors of environments. To overcome these difficulties, many studies focus on developing effective models for detecting and tracking objects from UAV systems. In this paper, our primary emphasis is comprehensive survey of methodologies pertaining to horizontal and oriented object detection. After researching many practical and innovative techniques in different approaches, we have carefully selected 15 methods for horizontal object detection and 18 for oriented object detection that were recently researched and developed to conduct classifications, surveys and assessments. We also provide a taxonomy mind map to assist readers in gaining an overview of the methods we surveyed. Additional, we examine 17 aerial image datasets collected from platforms and in various locations worldwide. These are typical datasets widely used to serve two primary tasks: horizontal object detection and oriented object detection. Then, we compared the experimental resultsof the previously introduced methods on four typical datasets: VisDrone, UAVDT, DOTAv1.0, and HRSC2016. The above datasets present diversity in the number of classes and the complexity of real-life conditions. Furthermore, they have been tested with various methods and shown remarkable results. For the reasons mentioned, we believe that updating and synthesizing the latest research will provide complete and comprehensive information, helping researchers to have more survey material for the development of the field of object detection in the future.
"Chúng em xin chân thành gửi lời cảm ơn đến Khoa Công nghệ Phần mềm, PTN Truyền thông Đa phương tiện và nhóm nghiên cứu UIT-Together đã tạo điều kiện giúp chúng em có thể nghiên cứu và hoàn thành bài báo này."
IEEE Access là một tạp chí khoa học bình duyệt truy cập mở được xuất bản bởi Viện Kỹ sư Điện và Điện tử, được thành lập vào năm 2013. Tổng biên tập sáng lập là Michael Pecht và tổng biên tập hiện tại là Derek Abbott. Tạp chí đã giành được một Giải thưởng PROSE vào năm 2015 cho tạp chí mới hay nhất trong khoa học, công nghệ, kỹ thuật và toán học. Tạp chí IEEE Access thuộc xếp hạng cao nhất SCIE-Q1.
Thông tin chi tiết xem thêm tại: https://www.facebook.com/UIT.Fanpage/posts/pfbid0riFYLRAtPJyr1hJgQuyu93r8suzAkg718Gb62drZeCBNrqfAQXZ2D2wg3g4pcKvRl
Đông Xanh - Cộng tác viên truyền thông trường Đại học Công nghệ Thông tin