PulseAugur
中
实时 09:52:16
English(EN) Acoustic Imaging for UAV Detection: Dense Beamformed Energy Maps and U-Net SELD

U-Net 模型通过球形分割推进声学无人机探测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的 U-Net 模型用于声学成像，旨在探测无人机 (UAV)。该模型将问题表述为球形语义分割任务，识别活跃声音存在的区域，而不仅仅是离散的到达角。利用延迟-求和波束成形和定制麦克风阵列，系统生成与无人机遥测同步的信号，为训练 U-Net 创建监督掩码。该方法被设计为与阵列无关，并已在不同环境和应用中展示了泛化能力，包括多类别声音事件定位与检测 (SELD) 场景。 AI

影响 引入了一种新颖的基于分割的方法用于声源定位，有望改进无人机探测和其他空间音频理解任务。

排序理由 学术论文，详细介绍了声源定位的新模型和方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

U-Net 模型通过球形分割推进声学无人机探测

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Belman Jahir Rodriguez, Sergio F. Chevtchenko, Marcelo Herrera Martinez, Yeshwanth Bethi, Saeed Afshar ·

    用于无人机探测的声学成像：密集波束成形能量图和 U-Net SELD

    arXiv:2508.00307v4 Announce Type: replace-cross Abstract: We introduce a U-net model for 360{\deg} acoustic source localization formulated as a spherical semantic segmentation task. Rather than regressing discrete direction-of-arrival (DoA) angles, our model segments beamformed a…

相关实体

相关话题