論文の概要: Improving Train Track Safety using Drones, Computer Vision and Machine Learning

• arxiv url: http://arxiv.org/abs/2006.11379v1
• Date: Thu, 4 Jun 2020 23:17:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-25 12:43:01.988275
• Title: Improving Train Track Safety using Drones, Computer Vision and Machine Learning
• Title（参考訳）: ドローン, コンピュータビジョン, 機械学習による軌道安全性の向上
• Authors: Kirthi Kumar and Anuraag Kaashyap
• Abstract要約: 世界中の列車事故によって引き起こされた数百万人の死者は、非効率で手動の線路検査によって引き起こされる。 政府機関は鉄道産業の安全運用を真剣に懸念している。 軌道欠陥による損失は、公的および民間投資における数十億ドルの損失と、ダウンタイムによる収益の損失をもたらす。
• 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: Millions of human casualties resulting from train accidents globally are caused by the inefficient, manual track inspections. Government agencies are seriously concerned about the safe operations of the rail industry after series of accidents reported across e USA and around the globe, mainly attributed to track defects. Casualties resulting from track defects result in billions of dollars loss in public and private investments and loss of revenue due to downtime, ultimately resulting in loss of the public's confidence. The manual, mundane, and expensive monitoring of rail track safety can be transform through the use of drones, computer vision, and machine learning. The primary goal of this study is to develop multiple algorithms that implement supervised and semi-supervised learning that accurately analyze whether a track is safe or unsafe based on simulated training data of train tracks. This includes being able to develop a Convolutional Neural Network that can identify track defects using supervised learning without having to specify a particular algorithm for detecting those defects, and that the new model would both speed up and improve the quality of the track defect detection process, accompanied with a computer vision image-processing algorithm. Our other goals included designing and building a prototype representation of train tracks to simulate track defects, to precisely and consistently conduct the visual inspection using drones. Ultimately, the goal demonstrates that the state of good repairs in railway tracks can be attained through the use of drones, computer vision and machine learning.
• Abstract（参考訳）: 世界中の列車事故による数百万人の死者は、非効率で手動の線路検査によって引き起こされる。 欧州連合(eu)や世界各国で一連の事故が報告されたことを受け、政府当局は鉄道産業の安全な運営を真剣に懸念している。 軌道上の欠陥による損失は、公共投資や民間投資の数十億ドルの損失と、ダウンタイムによる収入の損失をもたらし、最終的には大衆の信頼を失う結果となった。 手動、平凡で高価な鉄道線路の安全性の監視は、ドローン、コンピュータビジョン、機械学習を用いて変換することができる。 本研究の目的は,列車線路の模擬訓練データに基づいて安全か安全かを正確に解析する教師付き学習と半教師付き学習を実装する複数のアルゴリズムを開発することである。 これには、教師付き学習を用いてトラック欠陥を特定できる畳み込みニューラルネットワークの開発や、新しいモデルでは、コンピュータビジョン画像処理アルゴリズムとともに、トラック欠陥検出プロセスのスピードアップと品質向上の両方を行うことができる。 その他の目標は、トラックの欠陥をシミュレートし、ドローンを使った視覚検査を正確かつ一貫して行うために、線路のプロトタイプを設計、構築することでした。 最終的には、ドローン、コンピュータビジョン、機械学習を使用することで、鉄道線路の良好な修理が達成できることが実証される。

関連論文リスト

• Rethinking Closed-loop Training for Autonomous Driving [82.61418945804544]
  本研究は,学習エージェントの成功に対する異なるトレーニングベンチマーク設計の影響を分析した最初の実証的研究である。 複数ステップのルックアヘッドで計画を行うRLベースの駆動エージェントであるtrajectory value learning (TRAVL)を提案する。 実験の結果,TRAVLはすべてのベースラインと比較してより速く学習でき,安全な操作が可能であることがわかった。
  論文  参考訳（メタデータ） (2023-06-27T17:58:39Z)
• VBSF-TLD: Validation-Based Approach for Soft Computing-Inspired Transfer Learning in Drone Detection [0.0]
  本稿では,コンピュータビジョンベースモジュールの不可欠な部分を構成する移動型ドローン検出手法を提案する。 事前学習されたモデルの知識を関連ドメインから活用することにより、限られたトレーニングデータであっても、トランスファー学習によりより良い結果が得られる。 特に、このスキームの有効性は、IOUベースの検証結果によって強調される。
  論文  参考訳（メタデータ） (2023-06-11T22:30:23Z)
• Infrastructure-based End-to-End Learning and Prevention of Driver Failure [68.0478623315416]
  フェールネットは、規模が拡大したミニ都市において、名目上と無謀なドライバーの両方の軌道上で、エンドツーエンドでトレーニングされた、繰り返しニューラルネットワークである。 制御障害、上流での認識エラー、ドライバーのスピードを正確に識別し、名目運転と区別することができる。 速度や周波数ベースの予測器と比較すると、FailureNetのリカレントニューラルネットワーク構造は予測能力を向上し、ハードウェアにデプロイすると84%以上の精度が得られる。
  論文  参考訳（メタデータ） (2023-03-21T22:55:51Z)
• Detecting train driveshaft damages using accelerometer signals and Differential Convolutional Neural Networks [67.60224656603823]
  本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。 その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
  論文  参考訳（メタデータ） (2022-11-15T15:04:06Z)
• Review on Action Recognition for Accident Detection in Smart City Transportation Systems [0.0]
  異なる監視カメラを使用してスマートシティの交通の流れを監視することは、事故を認識し、最初の応答者を警告する上で重要な役割を果たす。 コンピュータビジョンタスクにおける行動認識(AR)の利用は、ビデオ監視、医療画像、デジタル信号処理における高精度な応用に寄与している。 本稿では,自動運転車や公共交通安全システムにおける事故検出システムの開発と統合に向けた研究の方向性について述べる。
  論文  参考訳（メタデータ） (2022-08-20T03:21:44Z)
• Artificial Intelligence Enabled Traffic Monitoring System [3.085453921856008]
  本稿では,深層畳み込みニューラルネットワークを用いたリアルタイム交通映像の自動監視手法を提案する。 提案システムは、さまざまなトラフィック監視ニーズを自動化するために、最先端のディープラーニングアルゴリズムをデプロイする。
  論文  参考訳（メタデータ） (2020-10-02T22:28:02Z)
• Image Generation for Efficient Neural Network Training in Autonomous Drone Racing [15.114944019221456]
  自律型ドローンレースでは、未知の環境で完全に自律的に飛行することで、この課題を達成する必要がある。 色や幾何学に基づく従来の物体検出アルゴリズムは失敗する傾向がある。 本研究では,実際の背景画像とゲートのランダム化3次元レンダリングを組み合わせた半合成データセット生成手法を提案する。
  論文  参考訳（メタデータ） (2020-08-06T12:07:36Z)
• Unsupervised Deep Representation Learning for Real-Time Tracking [137.69689503237893]
  視覚追跡のための教師なし学習手法を提案する。 教師なし学習の動機は、ロバストなトラッカーが双方向トラッキングに有効であるべきだということです。 我々は,シームズ相関フィルタネットワーク上にフレームワークを構築し,教師なし学習を容易にするために,多フレーム検証方式とコスト感受性損失を提案する。
  論文  参考訳（メタデータ） (2020-07-22T08:23:12Z)
• Auto-Rectify Network for Unsupervised Indoor Depth Estimation [119.82412041164372]
  ハンドヘルド環境に現れる複雑な自我運動が,学習深度にとって重要な障害であることが確認された。 本稿では,相対回転を除去してトレーニング画像の修正を効果的に行うデータ前処理手法を提案する。 その結果、従来の教師なしSOTA法よりも、難易度の高いNYUv2データセットよりも優れていた。
  論文  参考訳（メタデータ） (2020-06-04T08:59:17Z)
• Training-free Monocular 3D Event Detection System for Traffic Surveillance [93.65240041833319]
  既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。 現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。 本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
  論文  参考訳（メタデータ） (2020-02-01T04:42:57Z)

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。