Benchmark Analysis of Semantic Segmentation Algorithms for Safe Planetary Landing Site Selection

This paper presents an in-depth analysis of state-of-the-art semantic segmentation algorithms applied to spacecraft safe planetary landing via hazard detection and avoidance. Several architectures are trained from binary safety maps and the rich dataset of the High-Resolution Imaging Science Experim...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE access Ročník 10; s. 41766 - 41775
Hlavní autoři:	Claudet, Thomas, Tomita, Kento, Ho, Koki
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Piscataway IEEE 2022 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	aerospace safety Algorithms Artificial neural networks Benchmark testing Commercial spacecraft Complexity Computer architecture Image resolution Image segmentation Microcontrollers NASA Performance indices Planetary landing Prediction algorithms Semantic segmentation Semantics Site selection Space exploration Space flight Space vehicles
ISSN:	2169-3536, 2169-3536
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!