Fugu-MT 論文翻訳(概要): Development of Open Informal Dataset Affecting Autonomous Driving

論文の概要: Development of Open Informal Dataset Affecting Autonomous Driving

arxiv url: http://arxiv.org/abs/2010.06900v1
Date: Wed, 14 Oct 2020 09:21:45 GMT
ステータス: 処理完了
システム内更新日: 2022-10-07 13:37:12.996995
Title: Development of Open Informal Dataset Affecting Autonomous Driving
Title（参考訳）: 自律運転に影響を及ぼすオープンインフォーマルデータセットの開発
Authors: Yong-Gu Lee, Seong-Jae Lee, Sang-Jin Lee, Tae-Seung Baek, Dong-Whan Lee, Kyeong-Chan Jang, Ho-Jin Sohn, Jin-Soo Kim
Abstract要約: 本論文は、自動運転車の物体認識技術を開発するための、道路上の物体と非構造動的データを収集するための手順と方法について記述した。気象・時間・交通状況などの様々な環境において,道路上の物体・非構造的動的データを収集し,警察・安全要員に対する追加の受付を収集した。
参考スコア（独自算出の注目度）: 2.3985802426366916
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This document is a document that has written procedures and methods for collecting objects and unstructured dynamic data on the road for the development of object recognition technology for self-driving cars, and outlines the methods of collecting data, annotation data, object classifier criteria, and data processing methods. On-road object and unstructured dynamic data were collected in various environments, such as weather, time and traffic conditions, and additional reception calls for police and safety personnel were collected. Finally, 100,000 images of various objects existing on pedestrians and roads, 200,000 images of police and traffic safety personnel, 5,000 images of police and traffic safety personnel, and data sets consisting of 5,000 image data were collected and built.
Abstract（参考訳）: 本文書は、自動運転車用物体認識技術開発のための道路上の物体と非構造化動的データを収集するための手順と手法を記載した文書であり、データ収集方法、アノテーションデータ、オブジェクト分類基準、データ処理方法の概要を示す。気象・時間・交通状況などの様々な環境において,道路上の物体・非構造的動的データを収集し,警察・安全要員に対する追加の受付を行った。最終的に、歩行者や道路に存在するさまざまな物10万枚、警察・交通安全要員20万枚、警察・交通安全要員5000枚、画像データ5,000枚からなるデータセットが収集され、構築された。

関連論文リスト

Advanced computer vision for extracting georeferenced vehicle trajectories from drone imagery [4.387337528923525]
本稿では,高高度ドローン映像からジオレファレンスされた車両軌跡を抽出する枠組みを提案する。私たちは最先端のコンピュータビジョンとディープラーニングを使って、エンドツーエンドのパイプラインを作成しています。結果は、精密で費用対効果の高い都市交通監視のために、ドローン技術と高度なコンピュータビジョンを統合する可能性を示している。
論文参考訳（メタデータ） (2024-11-04T14:49:01Z)
Traffic and Safety Rule Compliance of Humans in Diverse Driving Situations [48.924085579865334]
安全な運転プラクティスを再現する自律システムを開発するためには、人間のデータを分析することが不可欠だ。本稿では,複数の軌道予測データセットにおける交通・安全規則の適合性の比較評価を行う。
論文参考訳（メタデータ） (2024-11-04T09:21:00Z)
Analyzing Privacy Implications of Data Collection in Android Automotive OS [15.970539534298137]
Android Automotive OS(AAOS)は1億台以上の車両に統合されている。この膨大なデータ収集によって、プライバシーはますます重要になっている。本稿では,AAOSのプライバシ含意に焦点をあて,データ収集の性質と範囲,および元の機器メーカー(OEM)のプライバシポリシについて検討する。
論文参考訳（メタデータ） (2024-09-23T21:35:40Z)
Analysis of Unstructured High-Density Crowded Scenes for Crowd Monitoring [55.2480439325792]
我々は,人群集の組織的動きを検出する自動システムの開発に興味がある。コンピュータビジョンアルゴリズムは、混雑したシーンのビデオから情報を抽出することができる。組織化されたコホート内の参加者数を見積もることができます。
論文参考訳（メタデータ） (2024-08-06T22:09:50Z)
RSUD20K: A Dataset for Road Scene Understanding In Autonomous Driving [6.372000468173298]
RSUD20Kは、バングラデシュの道路の運転から見た20K以上の高解像度画像からなる、道路シーン理解のための新しいデータセットである。我々の作業は以前の取り組みを大幅に改善し、詳細なアノテーションを提供し、オブジェクトの複雑さを増大させます。
論文参考訳（メタデータ） (2024-01-14T16:10:42Z)
RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and Comfortable Autonomous Driving [67.09546127265034]
道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
論文参考訳（メタデータ） (2023-10-03T17:59:32Z)
Hindsight is 20/20: Leveraging Past Traversals to Aid 3D Perception [59.2014692323323]
小さな、遠く、あるいは非常に隠蔽された物体は、検出するためのLiDAR点雲に限られた情報があるため、特に困難である。本稿では,過去データから文脈情報を抽出する,エンドツーエンドのトレーニング可能な新しいフレームワークを提案する。このフレームワークは現代のほとんどの3D検出アーキテクチャと互換性があり、複数の自律走行データセットの平均精度を大幅に向上させることができる。
論文参考訳（メタデータ） (2022-03-22T00:58:27Z)
Identification of Driver Phone Usage Violations via State-of-the-Art Object Detection with Tracking [8.147652597876862]
道路沿いのカメラで人間の介入を必要とせずに運転者用電話機の使用状況を把握できる、カスタムトレーニングされた最先端物体検出器を提案する。提案手法はウインドスクリーンのグラアに起因する問題にも対処し、これを改善するために必要なステップを紹介している。
論文参考訳（メタデータ） (2021-09-05T16:37:03Z)
One Million Scenes for Autonomous Driving: ONCE Dataset [91.94189514073354]
自律運転シナリオにおける3次元物体検出のためのONCEデータセットを提案する。データは、利用可能な最大の3D自動運転データセットよりも20倍長い144時間の運転時間から選択される。我々はONCEデータセット上で、様々な自己教師的・半教師的手法を再現し、評価する。
論文参考訳（メタデータ） (2021-06-21T12:28:08Z)
BAAI-VANJEE Roadside Dataset: Towards the Connected Automated Vehicle Highway technologies in Challenging Environments of China [0.0]
このデータセットには2500フレームのLiDARデータ、5000フレームのRGBイメージが含まれ、同時に収集された20%が含まれている。 12のオブジェクトクラス、74Kの3Dオブジェクトアノテーション、105Kの2Dオブジェクトアノテーションを含んでいる。
論文参考訳（メタデータ） (2021-05-29T20:40:55Z)
Repopulating Street Scenes [59.2621467759251]
そこで本稿では,歩行者や車両などの物体を配置・非人口化・再人口化することにより,街頭シーンの画像を自動的に再構成する枠組みを提案する。この手法の応用例としては、画像の匿名化によるプライバシー向上、自律運転のような知覚タスクのためのデータ強化などがある。
論文参考訳（メタデータ） (2021-03-30T09:04:46Z)

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。