无人机的自适应传感数据增强使用基于注意力的GAN
Namkyung Yoon1, Kiseok Kim1, Sangmin Lee1
1School of Electrical Engineering, Korea University, Seoul 02841, Republic of Korea.
Sensors (Basel, Switzerland)
|August 29, 2024
概括
本研究介绍了一种使用生成对抗网络 (GAN) 创建无人机合成传感器数据的深度学习系统. 这提高了数据收集效率,并扩大了无人机的操作能力.
科学领域:
- 机器人和自动化机器人与自动化
- 人工智能的人工智能
- 数据科学数据科学数据科学
背景情况:
- 无人机对于实时数据收集至关重要,但面临着有效载荷和数据管理的挑战.
- 由于硬件限制,将多个传感器集成到无人机上是复杂的.
- 无人机收集的时间序列传感器数据往往受到稀缺性和分辨率问题的困扰.
研究的目的:
- 开发一种深度学习系统,用于增强无人机收集的时间序列传感器数据.
- 通过生成现实的合成数据来解决数据稀缺问题.
- 提高无人机应用程序的效率和性能.
主要方法:
- 利用基于注意力的生成对抗网络 (GAN) 来生成合成数据.
- 根据运行条件实现了自适应式传感频率调整.
- 在GAN中使用时空注意力机制来增强数据的真实性.
主要成果:
- 该系统有效地产生了高质量的合成数据,填补了因降低传感频率造成的空白.
- 在诸如精密农业和环境监测等应用中,已证明提高了效率和性能.
- 实验结果证实,使用增强数据的无人机可扩大操作范围和持续时间.
结论:
- 提出的基于注意力的GAN系统有效地解决了无人机传感器数据中的数据稀缺问题.
- 这种方法提高了无人机的操作能力和数据可靠性.
- 该系统为各种基于无人机的监控和监视应用提供了强大的解决方案.
