Fugu-MT 論文翻訳(概要): Deep Learning for Image-based Automatic Dial Meter Reading: Dataset and Baselines

論文の概要: Deep Learning for Image-based Automatic Dial Meter Reading: Dataset and Baselines

arxiv url: http://arxiv.org/abs/2005.03106v2
Date: Fri, 8 May 2020 13:51:06 GMT
ステータス: 処理完了
システム内更新日: 2022-12-06 05:50:03.172559
Title: Deep Learning for Image-based Automatic Dial Meter Reading: Dataset and Baselines
Title（参考訳）: 画像に基づくダイヤル自動読解のための深層学習:データセットとベースライン
Authors: Gabriel Salomon, Rayson Laroca, David Menotti
Abstract要約: 本研究は,マルチダイアルメータ読影に対する深層学習手法を導入し,制約のない画像の実験を行う。ブラジルのParan'a (Copel) エネルギー会社は、月に85万回以上のダイヤルメーターを処理していると見積もっている。
参考スコア（独自算出の注目度）: 2.271001539206408
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Smart meters enable remote and automatic electricity, water and gas consumption reading and are being widely deployed in developed countries. Nonetheless, there is still a huge number of non-smart meters in operation. Image-based Automatic Meter Reading (AMR) focuses on dealing with this type of meter readings. We estimate that the Energy Company of Paran\'a (Copel), in Brazil, performs more than 850,000 readings of dial meters per month. Those meters are the focus of this work. Our main contributions are: (i) a public real-world dial meter dataset (shared upon request) called UFPR-ADMR; (ii) a deep learning-based recognition baseline on the proposed dataset; and (iii) a detailed error analysis of the main issues present in AMR for dial meters. To the best of our knowledge, this is the first work to introduce deep learning approaches to multi-dial meter reading, and perform experiments on unconstrained images. We achieved a 100.0% F1-score on the dial detection stage with both Faster R-CNN and YOLO, while the recognition rates reached 93.6% for dials and 75.25% for meters using Faster R-CNN (ResNext-101).
Abstract（参考訳）: スマートメーターは、遠隔および自動電気、水およびガス消費の読み取りを可能にし、先進国で広く展開されている。それでも、運用中の非スマートメーターは多数存在する。 Image-based Automatic Meter Reading (AMR)は、この種のメーター読み取りを扱うことに焦点を当てている。ブラジルのparan\'a(コペル)のエネルギー会社は毎月85万回以上のダイアルメーターの読書を行っていると推定している。これらのメーターは、この仕事の焦点です。私たちの主な貢献は (i)UFPR-ADMRという公開実世界のダイヤルメーターデータセット(要求に応じて共有) (二)提案したデータセットに基づく深層学習に基づく認識ベースライン (iii)ダイヤルメータにおけるamrの主な問題点に関する詳細な誤差解析。我々の知る限りでは、これはマルチダイアル・メーターの読み出しに深層学習アプローチを導入し、制約のない画像の実験を行う最初の試みである。 r-cnnとyoloの両方で100.0%のf1-scoreを達成し,認識率は93.6%,高速r-cnnでは75.25%に達した(resnext-101)。

関連論文リスト

Appliance Detection Using Very Low-Frequency Smart Meter Time Series [17.04452539839282]
近年、スマートグリッドシステムの管理を改善するため、電力供給業者によってスマートメーターが広く採用されている。これらのメーターは通常、非常に低い周波数(すべての30分)でエネルギー消費データを収集し、ユーティリティーがより正確に顧客に請求することを可能にする。よりパーソナライズされたレコメンデーションを提供するために、次のステップは、顧客が所有するアプライアンスを検出することです。本稿では,超低周波スマートメータにおける多種多様な家電の有無の検出に応用した,最先端の時系列分類器の詳細な評価と比較について述べる。
論文参考訳（メタデータ） (2023-05-10T10:26:43Z)
Alexa Teacher Model: Pretraining and Distilling Multi-Billion-Parameter Encoders for Natural Language Understanding Systems [63.713297451300086]
本研究では,700Mから9.3Bまでの非埋め込みパラメータ数を持つ事前学習エンコーダの大規模実験結果について述べる。その後、17M-170Mパラメータからより小さなモデルに蒸留し、仮想アシスタントシステムの自然言語理解(NLU)コンポーネントに応用した。
論文参考訳（メタデータ） (2022-06-15T20:44:23Z)
Braille Letter Reading: A Benchmark for Spatio-Temporal Pattern Recognition on Neuromorphic Hardware [50.380319968947035]
近年の深層学習手法は,そのようなタスクにおいて精度が向上しているが,従来の組込みソリューションへの実装は依然として計算量が非常に高く,エネルギーコストも高い。文字読み込みによるエッジにおける触覚パターン認識のための新しいベンチマークを提案する。フィードフォワードとリカレントスパイキングニューラルネットワーク(SNN)を、サロゲート勾配の時間によるバックプロパゲーションを用いてオフラインでトレーニングし比較し、効率的な推論のためにIntel Loihimorphicチップにデプロイした。 LSTMは14%の精度で繰り返しSNNより優れており、Loihi上での繰り返しSNNは237倍のエネルギーである。
論文参考訳（メタデータ） (2022-05-30T14:30:45Z)
Mixed-Precision Neural Network Quantization via Learned Layer-wise Importance [50.00102219630088]
混合精度量子化(MPQ)は各層に対して最適なビット幅を決定するのを難しくする。本稿では,すべての指標を同時に取得できる共同学習手法を提案する。例えば、ResNet18上のインデックスによるMPQ検索は、わずか0.06秒しかかからない。
論文参考訳（メタデータ） (2022-03-16T03:23:50Z)
Image-based Automatic Dial Meter Reading in Unconstrained Scenarios [2.271001539206408]
画像ベースの自動読み出しシステムは、ヒューマンエラーを低減し、読み出しの証明を作成し、顧客がモバイルアプリケーションを介して読み出しを行うことを可能にする。従来のものと比べ、平均絶対誤差(MAE)は1,343から129に減少し、メーター認識率(MRR)は98.90%に達し、誤差は1キロワット時間(kWh)であった。
論文参考訳（メタデータ） (2022-01-08T16:03:46Z)
NRC-GAMMA: Introducing a Novel Large Gas Meter Image Dataset [0.1529342790344802]
我々は, NRC-GAMMAデータセットという, 実時間ガスメータ画像のベンチマークデータセットを新たに導入した。データは、2020年1月20日午前0時05分から午後11時59分にかけて、イトロン400Aのダイアフラムガスメータから収集された。データセットには、ガスメーター全体の28,883枚の画像と、左右のダイヤルディスプレイの57,766枚の画像が含まれている。
論文参考訳（メタデータ） (2021-11-12T17:18:38Z)
PAST-AI: Physical-layer Authentication of Satellite Transmitters via Deep Learning [4.588028371034406]
PAST-AIは、低地球軌道(LEO)衛星をIQサンプルの指紋認証によって認証する手法である。我々は,CNNとオートエンコーダが,衛星トランスデューサの認証に有効であることを証明する。
論文参考訳（メタデータ） (2020-10-12T06:08:11Z)
Towards Image-based Automatic Meter Reading in Unconstrained Scenarios: A Robust and Efficient Approach [60.63996472100845]
本稿では,制約のないシナリオに着目したAMR(Automatic Meter Reading)のエンドツーエンドアプローチを提案する。我々の主な貢献は、コーナー検出とカウンタ分類と呼ばれる新しいステージをAMRパイプラインに挿入することである。信頼度が低い読みを拒絶した場合,AMRシステムは印象的な認識率(すなわち99%)を達成することを示す。
論文参考訳（メタデータ） (2020-09-21T21:21:23Z)
Temporal Pulses Driven Spiking Neural Network for Fast Object Recognition in Autonomous Driving [65.36115045035903]
スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
論文参考訳（メタデータ） (2020-01-24T22:58:55Z)
Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and On-Device Inference [49.88536971774444]
慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
論文参考訳（メタデータ） (2020-01-13T04:41:54Z)

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。