論文の概要: Transfer Learning-based Road Damage Detection for Multiple Countries
- arxiv url: http://arxiv.org/abs/2008.13101v1
- Date: Sun, 30 Aug 2020 06:48:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 12:28:22.988110
- Title: Transfer Learning-based Road Damage Detection for Multiple Countries
- Title（参考訳）: 移動学習に基づく複数国における道路被害検出
- Authors: Deeksha Arya (1, 2), Hiroya Maeda (2), Sanjay Kumar Ghosh (1), Durga
Toshniwal (1), Alexander Mraz (2, 3), Takehiro Kashiyama (2), and Yoshihide
Sekimoto (2) ((1) Indian Institute of Technology Roorkee, India, (2) The
University of Tokyo, Japan, (3) Amazon EU, Luxembourg)
- Abstract要約: 自治体や道路当局は 道路被害の自動評価を 実施しようとしています。
日本は、道路自動監視のための安価で手軽なスマートフォンベースの方法を開発した。
本研究は,他国における日本語モデルのユーザビリティを評価する。
スマートフォンを用いて複数の国から収集した26620枚の画像からなる大規模異種道路被害データセットを提案する。
- 参考スコア（独自算出の注目度）: 41.74498230885008
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many municipalities and road authorities seek to implement automated
evaluation of road damage. However, they often lack technology, know-how, and
funds to afford state-of-the-art equipment for data collection and analysis of
road damages. Although some countries, like Japan, have developed less
expensive and readily available Smartphone-based methods for automatic road
condition monitoring, other countries still struggle to find efficient
solutions. This work makes the following contributions in this context.
Firstly, it assesses the usability of the Japanese model for other countries.
Secondly, it proposes a large-scale heterogeneous road damage dataset
comprising 26620 images collected from multiple countries using smartphones.
Thirdly, we propose generalized models capable of detecting and classifying
road damages in more than one country. Lastly, we provide recommendations for
readers, local agencies, and municipalities of other countries when one other
country publishes its data and model for automatic road damage detection and
classification. Our dataset is available at
(https://github.com/sekilab/RoadDamageDetector/).
- Abstract（参考訳）: 多くの自治体や道路当局が道路被害の自動評価を実施している。
しかし、データ収集や道路損傷の分析に最先端の設備を購入するための技術やノウハウ、資金が欠如していることが多い。
日本など一部の国では、安価なスマートフォンベースの自動道路状況監視手法が開発されているが、他の国は効率的な解決策を見つけるのに苦戦している。
この研究はこの文脈で以下の貢献をする。
まず,他国における日本語モデルのユーザビリティを評価する。
次に,スマートフォンを用いて複数の国から収集した26620枚の画像からなる大規模道路被害データセットを提案する。
第3に,複数の国で道路被害を検知・分類できる一般化モデルを提案する。
最後に、他国が道路損傷の自動検出と分類のためのデータとモデルを公開する場合、読者、地方機関、自治体に対して推奨する。
私たちのデータセットはhttps://github.com/sekilab/RoadDamageDetector/)で利用可能です。
関連論文リスト
- Your Car Tells Me Where You Drove: A Novel Path Inference Attack via CAN Bus and OBD-II Data [57.22545280370174]
On Path Diagnostic - Intrusion & Inference (OPD-II) は物理カーモデルとマップマッチングアルゴリズムを利用した新しい経路推論攻撃である。
我々は4台の異なる車両と41トラックの道路および交通シナリオに対する攻撃を実行した。
論文 参考訳（メタデータ） (2024-06-30T04:21:46Z) - Computer vision-based model for detecting turning lane features on Florida's public roadways [2.5849315636929475]
本研究では,AIを用いた高解像度空中画像からフロリダ州の公道の道路特徴を検出する。
抽出された道路形状データは、事故や交通データと統合して、政策立案者や道路利用者に貴重な洞察を与えることができる。
論文 参考訳（メタデータ） (2024-06-13T05:28:53Z) - Road Damages Detection and Classification with YOLOv7 [0.0]
本研究は,Googleストリートビューを用いて道路被害データを収集,ラベル付けし,YOLOv7(You Only Look Once Version 7)を使用することを提案する。
提案手法は,クラウドセンシングによる道路被害検出チャレンジ (CRDDC2022, IEEE BigData 2022) に適用される。
論文 参考訳（メタデータ） (2022-10-31T18:55:58Z) - RDD2022: A multi-national image dataset for automatic Road Damage
Detection [0.0]
このデータセットは、日本、インド、チェコ、ノルウェー、米国、中国6カ国の道路画像47,420枚で構成されている。
本データセットでは, 縦断裂, 横断裂, アリゲータ亀裂, ポットホールの4種類の道路損傷を捉えた。
このデータセットは、クラウドセンシングに基づく道路被害検出チャレンジ(CRDDC2022)の一部としてリリースされた。
論文 参考訳（メタデータ） (2022-09-18T11:29:49Z) - CODA: A Real-World Road Corner Case Dataset for Object Detection in
Autonomous Driving [117.87070488537334]
我々は、ビジョンベース検出器のこの重要な問題を露呈する、CODAという挑戦的なデータセットを導入する。
大規模自動運転データセットで訓練された標準物体検出器の性能は、mARの12.8%以下に著しく低下した。
我々は最先端のオープンワールドオブジェクト検出器を実験し、CODAの新しいオブジェクトを確実に識別できないことを発見した。
論文 参考訳（メタデータ） (2022-03-15T08:32:56Z) - Road Damage Detection using Deep Ensemble Learning [36.24563211765782]
道路損傷の効率的な検出と分類のためのアンサンブルモデルを提案する。
我々のソリューションは、You Only Look Once (YOLO-v4)として知られる最先端の物体検出器を利用する。
テスト1データセットでF1スコアが0.628、テスト2データセットで0.6358に達した。
論文 参考訳（メタデータ） (2020-10-30T03:18:14Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z) - Predicting Livelihood Indicators from Community-Generated Street-Level
Imagery [70.5081240396352]
本稿では,クラウドソースによるストリートレベルの画像から重要な生活指標を予測するための,安価でスケーラブルで解釈可能なアプローチを提案する。
全国的に代表される世帯調査で収集した地上データと比較することにより,貧困,人口,健康の指標を正確に予測する上でのアプローチの有効性を実証した。
論文 参考訳（メタデータ） (2020-06-15T18:12:12Z) - Train in Germany, Test in The USA: Making 3D Object Detectors Generalize [59.455225176042404]
ディープラーニングにより、LiDARやステレオカメラデータなどの3Dオブジェクト検出精度が大幅に向上した。
自動運転のためのほとんどのデータセットは、1つの国内の都市の狭い部分で収集される。
本稿では,あるデータセットから別のデータセットに3Dオブジェクト検出器を適応させる作業について考察する。
論文 参考訳（メタデータ） (2020-05-17T00:56:18Z)
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。