論文の概要: A Photo-Based Mobile Crowdsourcing Framework for Event Reporting
- arxiv url: http://arxiv.org/abs/2004.13251v2
- Date: Sun, 3 May 2020 23:36:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 23:53:36.992575
- Title: A Photo-Based Mobile Crowdsourcing Framework for Event Reporting
- Title（参考訳）: イベントレポートのための写真ベースのモバイルクラウドソーシングフレームワーク
- Authors: Aymen Hamrouni, Hakim Ghazzai, Mounir Frikha, and Yehia Massoud
- Abstract要約: モバイルクラウドソーシング(MCS)写真ベースは、ユビキタスコンピューティングの領域における関心の高まりとトレンドのトピックである。
本稿では,画像ストリームから高度に関連性の高いデータを選択し,正しい提案を確実にするためのソリューションを開発する。
- 参考スコア（独自算出の注目度）: 1.4209473797379666
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mobile Crowdsourcing (MCS) photo-based is an arising field of interest and a
trending topic in the domain of ubiquitous computing. It has recently drawn
substantial attention of the smart cities and urban computing communities. In
fact, the built-in cameras of mobile devices are becoming the most common way
for visual logging techniques in our daily lives. MCS photo-based frameworks
collect photos in a distributed way in which a large number of contributors
upload photos whenever and wherever it is suitable. This inevitably leads to
evolving picture streams which possibly contain misleading and redundant
information that affects the task result. In order to overcome these issues, we
develop, in this paper, a solution for selecting highly relevant data from an
evolving picture stream and ensuring correct submission. The proposed
photo-based MCS framework for event reporting incorporates (i) a deep learning
model to eliminate false submissions and ensure photos credibility and (ii) an
A-Tree shape data structure model for clustering streaming pictures to reduce
information redundancy and provide maximum event coverage. Simulation results
indicate that the implemented framework can effectively reduce false
submissions and select a subset with high utility coverage with low redundancy
ratio from the streaming data.
- Abstract（参考訳）: モバイルクラウドソーシング(MCS)写真ベースは、ユビキタスコンピューティングの領域における関心の高まりとトレンドのトピックである。
最近、スマートシティや都市コンピューティングのコミュニティに大きな注目を集めている。
実際、モバイルデバイスの内蔵カメラは、私たちの日常生活における視覚的ロギング技術の最も一般的な方法になりつつある。
mcs写真ベースのフレームワークは、写真を分散して収集し、多数の寄稿者が適した場所で写真をアップロードする。
これは必然的に、タスク結果に影響を与える誤った情報や冗長な情報を含む、進化する画像ストリームにつながる。
本稿では,これらの課題を克服するために,進化する画像ストリームから高度に関連性の高いデータを選択し,正しい提出を保証するソリューションを開発する。
イベントレポーティングのためのフォトベースMCSフレームワークの提案
一 虚偽の提出を排除し、写真信頼性を確保するための深層学習モデル
(ii)ストリーミング画像をクラスタリングし、情報の冗長性を低減し、最大イベントカバレッジを提供するa木形状データ構造モデル。
シミュレーションの結果、実装されたフレームワークは、偽の提出を効果的に削減し、ストリーミングデータから冗長率の低い高ユーティリティカバレッジのサブセットを選択できることが示されている。
関連論文リスト
- Debiasing Vison-Language Models with Text-Only Training [15.069736314663352]
視覚バイアスを軽減するために,テキスト・アズ・イメージ・トレーニング・パラダイムを活用するTODというテキスト・オン・デバイアス・フレームワークを提案する。
そこで本研究では,テキスト・アズ・イメージ・トレーニングのパラダイムを活用し,視覚バイアスを緩和するテキスト・オン・デバイアス化フレームワークTODを提案する。
論文 参考訳（メタデータ） (2024-10-12T04:34:46Z) - VmambaIR: Visual State Space Model for Image Restoration [36.11385876754612]
VmambaIRは、画像復元タスクに線形に複雑な状態空間モデル(SSM)を導入する。
VmambaIRは、より少ない計算資源とパラメータで最先端(SOTA)性能を達成する。
論文 参考訳（メタデータ） (2024-03-18T02:38:55Z) - xT: Nested Tokenization for Larger Context in Large Images [79.37673340393475]
xTは、グローバルコンテキストを局所的な詳細で集約するビジョントランスフォーマーのフレームワークである。
我々は、挑戦的な分類タスクにおいて、精度を最大8.6%向上させることができる。
論文 参考訳（メタデータ） (2024-03-04T10:29:58Z) - Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。
従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。
本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
論文 参考訳（メタデータ） (2023-12-19T08:14:14Z) - A Mountain-Shaped Single-Stage Network for Accurate Image Restoration [9.431709365739462]
画像復元においては、通常、空間的詳細と文脈情報の複雑なバランスを維持する必要がある。
不要な非線形活性化関数を除去または置換する,単純なU-Netアーキテクチャに基づく単一ステージ設計ベースを提案する。
我々のアプローチはM3SNetと呼ばれ、従来の最先端モデルよりも性能が優れており、計算コストの半分以下である。
論文 参考訳（メタデータ） (2023-05-09T03:18:35Z) - Learning Enriched Features for Fast Image Restoration and Enhancement [166.17296369600774]
本稿では,ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とする。
我々は、高解像度の空間的詳細を同時に保存しながら、複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
提案手法は,デフォーカス・デブロアリング,画像デノイング,超解像,画像強調など,さまざまな画像処理タスクに対して,最先端の処理結果を実現する。
論文 参考訳（メタデータ） (2022-04-19T17:59:45Z) - ACNet: Approaching-and-Centralizing Network for Zero-Shot Sketch-Based
Image Retrieval [28.022137537238425]
textbfApproaching-and-textbfCentralizing textbfACNetwork (termed textbfACNet'')を提案する。
検索モジュールは合成モジュールをガイドし、写真ドメインに徐々に接近する多彩な写真ライクな画像を生成する。
提案手法は、広く使われている2つのZS-SBIRデータセットの最先端性能を達成し、従来手法をはるかに上回っている。
論文 参考訳（メタデータ） (2021-11-24T19:36:10Z) - Overcoming Obstructions via Bandwidth-Limited Multi-Agent Spatial
Handshaking [37.866254392010454]
本稿では,ロボット群全体で視覚情報を処理し,圧縮し,伝達するための,エンドツーエンドの学習可能なマルチエージェント空間ハンドシェイキングネットワークを提案する。
本手法は,強いベースラインに対して絶対11%のIoU改善を実現する。
論文 参考訳（メタデータ） (2021-07-01T22:56:47Z) - Deep Burst Super-Resolution [165.90445859851448]
バースト超解像タスクのための新しいアーキテクチャを提案する。
我々のネットワークは複数のノイズRAW画像を入力として取り出し、出力として分解された超解像RGB画像を生成する。
実世界のデータのトレーニングと評価を可能にするため,BurstSRデータセットも導入する。
論文 参考訳（メタデータ） (2021-01-26T18:57:21Z) - Learning Deformable Image Registration from Optimization: Perspective,
Modules, Bilevel Training and Beyond [62.730497582218284]
マルチスケールの伝搬により微分同相モデルを最適化する,新しいディープラーニングベースのフレームワークを開発した。
我々は,脳MRIデータにおける画像-アトラス登録,肝CTデータにおける画像-画像登録を含む,3次元ボリュームデータセットにおける画像登録実験の2つのグループを実行する。
論文 参考訳（メタデータ） (2020-04-30T03:23:45Z) - Learning Enriched Features for Real Image Restoration and Enhancement [166.17296369600774]
畳み込みニューラルネットワーク(CNN)は、画像復元作業における従来のアプローチよりも劇的に改善されている。
ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とした,新しいアーキテクチャを提案する。
提案手法は,高解像度の空間的詳細を同時に保存しながら,複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
論文 参考訳（メタデータ） (2020-03-15T11:04:30Z)
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。