論文の概要: ParkingSticker: A Real-World Object Detection Dataset
- arxiv url: http://arxiv.org/abs/2001.11639v2
- Date: Wed, 12 Feb 2020 15:07:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-05 06:38:40.205925
- Title: ParkingSticker: A Real-World Object Detection Dataset
- Title（参考訳）: ParkingSticker: 現実世界のオブジェクト検出データセット
- Authors: Caroline Potts, Ethem F. Can, Aysu Ezen-Can, Xiangqian Hu
- Abstract要約: ParkingStickerには、セキュリティカメラの映像から得られた1,871枚の画像が含まれている。
パーキングステッカーは、他の人気のあるオブジェクト検出データセットのオブジェクトよりも平均してずっと小さい。
このデータセットは、現実世界の制約で現実世界の問題を解決するために研究者に挑戦する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a new and challenging object detection dataset, ParkingSticker,
which mimics the type of data available in industry problems more closely than
popular existing datasets like PASCAL VOC. ParkingSticker contains 1,871 images
that come from a security camera's video footage. The objective is to identify
parking stickers on cars approaching a gate that the security camera faces.
Bounding boxes are drawn around parking stickers in the images. The parking
stickers are much smaller on average than the objects in other popular object
detection datasets; this makes ParkingSticker a challenging test for object
detection methods. This dataset also very realistically represents the data
available in many industry problems where a customer presents a few video
frames and asks for a solution to a very difficult problem. Performance of
various object detection pipelines using a YOLOv2 architecture are presented
and indicate that identifying the parking stickers in ParkingSticker is
challenging yet feasible. We believe that this dataset will challenge
researchers to solve a real-world problem with real-world constraints such as
non-ideal camera positioning and small object-size-to-image-size ratios.
- Abstract（参考訳）: 我々は、PASCAL VOCのような一般的な既存のデータセットよりも、業界問題で利用可能なデータのタイプを模倣する、新しい挑戦的なオブジェクト検出データセットであるParkingStickerを提案する。
ParkingStickerには、セキュリティカメラの映像から得られた1,871枚の画像が含まれている。
目的は、セキュリティカメラが直面しているゲートに近づく車の駐車ステッカーを特定することである。
画像の駐車ステッカーの周りにバウンディングボックスが描かれています。
パーキングステッカーは、他の一般的なオブジェクト検出データセットのオブジェクトよりも平均してはるかに小さい。
このデータセットは、顧客がいくつかのビデオフレームを提示し、非常に難しい問題に対する解決策を求める、多くの業界の問題で利用可能なデータを非常にリアルに表現します。
YOLOv2アーキテクチャを用いた様々なオブジェクト検出パイプラインの性能を示し、ParkingStickerにおけるパーキングステッカーの識別が困難であることを示す。
このデータセットは、非理想的カメラ位置決めや小さなオブジェクトサイズと画像サイズ比といった現実世界の制約で現実の問題を解決するために研究者に挑戦するであろう。
関連論文リスト
- Deep Single Models vs. Ensembles: Insights for a Fast Deployment of
Parking Monitoring Systems [3.00363876980149]
多くのアプローチでは大量のデータの収集とラベル付けを行うため、インテリジェントな駐車監視は依然として課題である。
本研究の目的は,公用ラベル付き駐車場画像を用いて訓練されたグローバルなフレームワーク構築の課題を明らかにすることである。
その結果、多様なデータセットでトレーニングされたモデルは、目標駐車場におけるデータアノテーションやモデルトレーニングの負担を伴わずに95%の精度を達成できることがわかった。
論文 参考訳（メタデータ） (2023-09-28T14:59:53Z) - Automatic Vision-Based Parking Slot Detection and Occupancy
Classification [3.038642416291856]
パーキング誘導情報(PGI)システムは、最も近い駐車場と空き駐車場の数についてドライバーに情報を提供するために使用される。
近年、視覚ベースのソリューションは標準的なPGIシステムに代わる費用対効果の代替として現れ始めている。
本稿では,入力画像のみに基づいて自動駐車スロット検出・職業分類(APSD-OC)を行うアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-08-16T07:44:34Z) - Salient Object Detection for Images Taken by People With Vision
Impairments [13.157939981657886]
本稿では、視覚障害者が撮影した画像を用いた、新しい有能な物体検出データセットを提案する。
VizWiz-SalientObjectは最大(つまり32,000個の人称注釈付き画像)で、ユニークな特徴を持っている。
我々は、我々のデータセットで7つの現代的な正当性オブジェクト検出方法のベンチマークを行い、それらが大きな画像、より複雑な境界、テキストの欠如に最も苦労していることを発見した。
論文 参考訳（メタデータ） (2023-01-12T22:33:01Z) - Public Parking Spot Detection And Geo-localization Using Transfer
Learning [0.0]
世界中の都市では、公共駐車場と空き駐車場の配置が大きな問題であり、通勤者の時間と交通渋滞が増大している。
この研究は、携帯電話カメラからのGeo-Tagged画像のデータセットを、ニューラルネットワーク駆動のパブリックカメラによって検出された利用可能な駐車スペースを備えたヨハネスブルグの最も便利な公共駐車場へのナビゲートに利用する方法を説明する。
論文 参考訳（メタデータ） (2022-09-01T04:09:51Z) - ObjectFolder: A Dataset of Objects with Implicit Visual, Auditory, and
Tactile Representations [52.226947570070784]
両課題に対処する100のオブジェクトからなるデータセットであるObjectを,2つの重要なイノベーションで紹介する。
まず、オブジェクトは視覚的、聴覚的、触覚的なすべてのオブジェクトの知覚データをエンコードし、多数の多感覚オブジェクト認識タスクを可能にする。
第2に、Objectは統一されたオブジェクト中心のシミュレーションと、各オブジェクトの視覚的テクスチャ、触覚的読み出し、触覚的読み出しに暗黙的な表現を採用しており、データセットの使用が柔軟で共有が容易である。
論文 参考訳（メタデータ） (2021-09-16T14:00:59Z) - Multi-Camera Vehicle Counting Using Edge-AI [12.698230770450836]
本稿では、異なる視点からより広い駐車場を監視できる複数の視覚源を提案する。
提案するマルチカメラシステムは、エッジデバイス上で駐車場全体に存在する車両数を自動推定することができる。
論文 参考訳（メタデータ） (2021-06-05T08:52:20Z) - Few-Shot Learning for Video Object Detection in a Transfer-Learning
Scheme [70.45901040613015]
ビデオ物体検出のための数発学習の新たな課題について検討する。
我々は,多数のベースクラスオブジェクトに対して映像物体検出を効果的に訓練するトランスファー学習フレームワークと,ノベルクラスオブジェクトのいくつかのビデオクリップを用いる。
論文 参考訳（メタデータ） (2021-03-26T20:37:55Z) - Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object
Detection [55.12894776039135]
ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。
対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。
5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
論文 参考訳（メタデータ） (2021-03-26T01:18:11Z) - TJU-DHD: A Diverse High-Resolution Dataset for Object Detection [48.94731638729273]
大規模でリッチな多様性と高解像度のデータセットは、よりよいオブジェクト検出方法を開発する上で重要な役割を果たす。
私たちは多種多様な高解像度データセット(TJU-DHD)を構築します。
データセットには115,354枚の高解像度画像と709,330個のラベル付きオブジェクトが含まれており、スケールと外観に大きな違いがある。
論文 参考訳（メタデータ） (2020-11-18T09:32:24Z) - SoDA: Multi-Object Tracking with Soft Data Association [75.39833486073597]
マルチオブジェクトトラッキング(MOT)は、自動運転車の安全な配備の前提条件である。
観測対象間の依存関係をエンコードするトラック埋め込みの計算に注目するMOTに対する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2020-08-18T03:40:25Z) - Learning to Respond with Stickers: A Framework of Unifying
Multi-Modality in Multi-Turn Dialog [65.7021675527543]
鮮明で魅力的な表現を持つスタンプは、オンラインメッセージングアプリでますます人気が高まっている。
スタンプのテキストラベルと以前の発話をマッチングすることで、スタンプ応答を自動的に選択する作業もある。
我々は,外部ラベルを使わずに,マルチターン・ダイアログのコンテキスト履歴に基づいた適切なステッカーをユーザに提案する。
論文 参考訳（メタデータ） (2020-03-10T13:10:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。