論文の概要: 5G Utility Pole Planner Using Google Street View and Mask R-CNN

• arxiv url: http://arxiv.org/abs/2008.11689v1
• Date: Wed, 26 Aug 2020 17:27:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 21:28:19.004746
• Title: 5G Utility Pole Planner Using Google Street View and Mask R-CNN
• Title（参考訳）: GoogleストリートビューとマスクR-CNNを用いた5Gユーティリティポールプランナ
• Authors: Yanyu Zhang, Osama Alshaykh
• Abstract要約: 本稿では,Fast R-CNNを拡張したMask R-CNNに基づく新しいポール識別手法について述べる。 データセットには、Googleマップから3000の高解像度画像が含まれている。 ついに、私たちはこの免疫アルゴリズムを使ってスマートシティに5G極を設定しました。
• 参考スコア（独自算出の注目度）: 8.05881526425515
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the advances of fifth-generation (5G) cellular networks technology, many studies and work have been carried out on how to build 5G networks for smart cities. In the previous research, street lighting poles and smart light poles are capable of being a 5G access point. In order to determine the position of the points, this paper discusses a new way to identify poles based on Mask R-CNN, which extends Fast R-CNNs by making it employ recursive Bayesian filtering and perform proposal propagation and reuse. The dataset contains 3,000 high-resolution images from google map. To make training faster, we used a very efficient GPU implementation of the convolution operation. We achieved a train error rate of 7.86% and a test error rate of 32.03%. At last, we used the immune algorithm to set 5G poles in the smart cities.
• Abstract（参考訳）: 第5世代(5g)セルラーネットワーク技術の進歩により、スマートシティのための5gネットワークの構築方法に関する多くの研究や研究が行われている。 これまでの研究では、街灯柱とスマート灯柱は5gアクセスポイントとして機能している。 点の位置を決定するために,Mask R-CNNに基づく新たな極の同定手法について論じる。これは,再帰的ベイズフィルタを用いて,提案の伝搬と再利用を行うことにより,高速R-CNNを拡張したものである。 データセットにはgoogleマップの高解像度画像が3000点含まれている。 トレーニングを高速化するために、畳み込み操作の非常に効率的なGPU実装を使用しました。 列車エラー率は7.86%、テストエラー率は32.03%に達した。 ついに私たちは、免疫アルゴリズムを使ってスマートシティに5G極を設定しました。

関連論文リスト

• Homomorphic WiSARDs: Efficient Weightless Neural Network training over encrypted data [3.3748750222488657]
  比較的深い畳み込みニューラルネットワーク(CNN)においても、推論アルゴリズムの同型評価は実用的である 本研究は,Wilkie,Stonham,Aleksander's Recognition Device (WiSARD) とその後のWeightless Neural Networks (WNN) の同型評価を導入し,暗号化データのトレーニングと推論を行う。
  論文  参考訳（メタデータ） (2024-03-29T14:09:59Z)
• Malicious Lateral Movement in 5G Core With Network Slicing And Its Detection [4.12716042472541]
  ネットワークスライシングが可能な5Gコア(5GC)の側方移動戦略を提案する。 このような悪質な横動きを検出するシステムである5GLatteを提案する。
  論文  参考訳（メタデータ） (2023-12-04T07:09:33Z)
• Neural Implicit Dense Semantic SLAM [83.04331351572277]
  本稿では,屋内シーンのメモリ効率,高密度な3次元形状,セマンティックセマンティックセグメンテーションをオンラインで学習する新しいRGBD vSLAMアルゴリズムを提案する。 私たちのパイプラインは、従来の3Dビジョンベースのトラッキングとループクローズとニューラルフィールドベースのマッピングを組み合わせたものです。 提案アルゴリズムはシーン認識を大幅に向上させ,様々なロボット制御問題を支援する。
  論文  参考訳（メタデータ） (2023-04-27T23:03:52Z)
• Portuguese Man-of-War Image Classification with Convolutional Neural Networks [58.720142291102135]
  ポルトガルマン・オブ・ウォー(ポルトガル語: Man-of-war、PMW)は、長い触手を持つゼラチン質の生物である。 本稿では,InstagramのソーシャルメディアからPMW画像を認識するための畳み込みニューラルネットワークの利用について報告する。
  論文  参考訳（メタデータ） (2022-07-04T03:06:45Z)
• 5G Routing Interfered Environment [0.0]
  本稿では,5Gルーティング干渉環境(5GRIE)の設計について述べる。 この環境は、定式化された干渉モデルを用いて、パケットを周波数源と宛先ペアでルーティングするための異なるアルゴリズムを実行することができる。
  論文  参考訳（メタデータ） (2022-03-28T14:25:45Z)
• Lane Detection with Versatile AtrousFormer and Local Semantic Guidance [92.83267435275802]
  車線検出は自動運転における中核機能の一つである。 既存のほとんどの手法はCNNベースの手法に頼っている。 本稿では,この問題を解決するためにAtrous Transformer (AtrousFormer)を提案する。
  論文  参考訳（メタデータ） (2022-03-08T13:25:35Z)
• Accelerating Large Scale Real-Time GNN Inference using Channel Pruning [7.8799581908375185]
  グラフニューラルネットワーク(GNN)は、下流アプリケーションにノード埋め込みを生成する強力なモデルであることが証明されている。 しかし,GNN推論の計算複雑性が高いため,大規模アプリケーションやリアルタイムアプリケーションにGNNをデプロイすることは困難である。 本稿では,各層内の次元を精度損失なく刈り取ることで,gnn推定を高速化することを提案する。
  論文  参考訳（メタデータ） (2021-05-10T17:28:44Z)
• MoViNets: Mobile Video Networks for Efficient Video Recognition [52.49314494202433]
  3D畳み込みニューラルネットワーク(CNN)は、ビデオ認識では正確だが、大きな計算とメモリ予算を必要とする。 本稿では,3次元CNNのピークメモリ使用量を大幅に削減しつつ,計算効率を向上させる3段階の手法を提案する。
  論文  参考訳（メタデータ） (2021-03-21T23:06:38Z)
• Enhancing Graph Neural Network-based Fraud Detectors against Camouflaged Fraudsters [78.53851936180348]
  近年の実証研究,すなわち特徴カモフラージュと関係カモフラージュの2種類のカモフラージュを紹介した。 既存のGNNはこれらの2つのカモフラージュに対処していない。 カモフラージュ抵抗型GNN(CARE-GNN)と呼ばれる新しいモデルを提案し、カモフラージュに対する3つのユニークなモジュールを用いたGNN集約プロセスを強化する。
  論文  参考訳（メタデータ） (2020-08-19T22:33:12Z)
• Improved Residual Networks for Image and Video Recognition [98.10703825716142]
  ResNets(Residual Networks)は、CNN(Convolutional Neural Network)アーキテクチャの強力なタイプである。 ベースライン上での精度と学習収束性を一貫した改善を示す。 提案手法では,高度に深いネットワークをトレーニングできるが,ベースラインは厳密な最適化問題を示す。
  論文  参考訳（メタデータ） (2020-04-10T11:09:50Z)

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。