論文の概要: Automatic Counting and Identification of Train Wagons Based on Computer
Vision and Deep Learning
- arxiv url: http://arxiv.org/abs/2010.16307v1
- Date: Fri, 30 Oct 2020 14:56:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-01 17:03:47.820718
- Title: Automatic Counting and Identification of Train Wagons Based on Computer
Vision and Deep Learning
- Title(参考訳): コンピュータビジョンとディープラーニングに基づく列車ワゴンの自動カウントと識別
- Authors: Rayson Laroca, Alessander Cidral Boslooper, David Menotti
- Abstract要約: 提案手法は費用対効果が高く,RFIDに基づく解を容易に置き換えることができる。
このシステムは、識別コードに損傷があるため、列車のワゴンの一部を自動的に拒絶することができる。
- 参考スコア(独自算出の注目度): 70.84106972725917
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work, we present a robust and efficient solution for counting and
identifying train wagons using computer vision and deep learning. The proposed
solution is cost-effective and can easily replace solutions based on
radiofrequency identification (RFID), which are known to have high installation
and maintenance costs. According to our experiments, our two-stage methodology
achieves impressive results on real-world scenarios, i.e., 100% accuracy in the
counting stage and 99.7% recognition rate in the identification one. Moreover,
the system is able to automatically reject some of the train wagons
successfully counted, as they have damaged identification codes. The results
achieved were surprising considering that the proposed system requires low
processing power (i.e., it can run in low-end setups) and that we used a
relatively small number of images to train our Convolutional Neural Network
(CNN) for character recognition. The proposed method is registered, under
number BR512020000808-9, with the National Institute of Industrial Property
(Brazil).
- Abstract(参考訳): 本研究では,コンピュータビジョンとディープラーニングを用いた列車ワゴンのカウントと識別のための,堅牢で効率的なソリューションを提案する。
提案手法は費用対効果が高く,高い設置コストとメンテナンスコストが知られているRFID(Radio frequency Identification)に基づくソリューションを簡単に置き換えることができる。
我々の実験によれば、2段階の手法は実世界のシナリオ、すなわち計算段階における100%精度と識別過程における99.7%の認識率で印象的な結果が得られる。
さらに、このシステムは、識別コードに障害があるため、うまくカウントされた列車ワゴンのいくつかを自動で拒否することができる。
その結果,提案システムは低処理能力(ローエンド設定で実行可能である)と比較的少数の画像を用いて文字認識のための畳み込みニューラルネットワーク(CNN)を訓練することを考えると,意外な結果を得た。
BR512020000808-9に登録され,国立産業財産研究所(Brazil)に登録されている。
関連論文リスト
- Bridging the Gap Between End-to-End and Two-Step Text Spotting [88.14552991115207]
ブリッジングテキストスポッティングは、2段階のメソッドでエラーの蓄積と最適化性能の問題を解決する新しいアプローチである。
提案手法の有効性を広範囲な実験により実証する。
論文 参考訳(メタデータ) (2024-04-06T13:14:04Z) - From Global to Local: Multi-scale Out-of-distribution Detection [129.37607313927458]
アウト・オブ・ディストリビューション(OOD)検出は、イン・ディストリビューション(ID)トレーニングプロセス中にラベルが見られない未知のデータを検出することを目的としている。
近年の表現学習の進歩により,距離に基づくOOD検出がもたらされる。
グローバルな視覚情報と局所的な情報の両方を活用する第1のフレームワークであるマルチスケールOOD検出(MODE)を提案する。
論文 参考訳(メタデータ) (2023-08-20T11:56:25Z) - Efficient Visual Fault Detection for Freight Train Braking System via
Heterogeneous Self Distillation in the Wild [8.062167870951706]
本稿では,検出精度と速度を確保するため,不均一な自己蒸留フレームワークを提案する。
我々は,学習効率を向上させるために,ラベル付近の値にネットワークを集中させる新たな損失関数を用いる。
我々のフレームワークは毎秒37フレーム以上を達成でき、従来の蒸留法と比較して高い精度を維持することができる。
論文 参考訳(メタデータ) (2023-07-03T01:27:39Z) - TrainSim: A Railway Simulation Framework for LiDAR and Camera Dataset
Generation [1.2165229201148093]
本稿では,仮想環境下で現実的な鉄道シナリオを生成できる視覚シミュレーションフレームワークを提案する。
シミュレーションされたLiDARとカメラから慣性データとラベル付きデータセットを自動的に生成する。
論文 参考訳(メタデータ) (2023-02-28T11:00:13Z) - A Free Lunch to Person Re-identification: Learning from Automatically
Generated Noisy Tracklets [52.30547023041587]
非教師付きビデオベース再識別(re-ID)手法は、re-IDデータセットのアノテートに必要な高コストの問題を解決するために提案されている。
しかし、彼らのパフォーマンスは監督対象よりもはるかに低い。
本稿では,自動生成人追跡装置から再IDモデルを学習することで,この問題に対処することを提案する。
論文 参考訳(メタデータ) (2022-04-02T16:18:13Z) - End-to-End High Accuracy License Plate Recognition Based on Depthwise
Separable Convolution Networks [0.0]
ライセンスプレート認識のための新しいセグメンテーションフリーフレームワークを提案し,NP-ALPRデータセットを導入した。
提案するネットワークモデルは,最新のディープラーニング手法と最先端のアイデアと,新しいネットワークアーキテクチャのメリットで構成されている。
提案手法の有効性を3つの異なるデータセットで評価し,99%以上,70fps以上の認識精度を示した。
論文 参考訳(メタデータ) (2022-02-21T14:45:03Z) - Automatic Detection of Rail Components via A Deep Convolutional
Transformer Network [7.557470133155959]
レール,クリップ,ボルトを含む多種鉄道部品を検出するための深層畳み込み変圧器ネットワーク方式を提案する。
提案手法は,アンカーボックス,アスペクト比,デフォルト座標,後処理などの事前設定を不要にすることで,検出パイプラインを単純化する。
総合的な計算結果から,提案手法は既存の最先端手法よりも大きなマージンを持つことを示す。
論文 参考訳(メタデータ) (2021-08-05T07:38:04Z) - MURAL: Meta-Learning Uncertainty-Aware Rewards for Outcome-Driven
Reinforcement Learning [65.52675802289775]
本研究では,不確かさを意識した分類器が,強化学習の難しさを解消できることを示す。
正規化最大度(NML)分布の計算法を提案する。
得られたアルゴリズムは、カウントベースの探索法と、報酬関数を学習するための先行アルゴリズムの両方に多くの興味深い関係を持つことを示す。
論文 参考訳(メタデータ) (2021-07-15T08:19:57Z) - Towards End-to-end Car License Plate Location and Recognition in
Unconstrained Scenarios [0.0]
ライセンスプレートの検出と認識を同時に行うための効率的なフレームワークを提案する。
軽量で統一されたディープニューラルネットワークで、エンドツーエンドに最適化され、リアルタイムに動作する。
実験結果から,提案手法は従来の最先端手法よりも高速・高精度で優れていたことが示唆された。
論文 参考訳(メタデータ) (2020-08-25T09:51:33Z) - Identity-Aware Attribute Recognition via Real-Time Distributed Inference
in Mobile Edge Clouds [53.07042574352251]
我々は、MEC対応カメラ監視システムにおいて、re-IDを用いた歩行者属性認識のための新しいモデルの設計を行う。
本稿では,属性認識と人物再IDを協調的に考慮し,分散モジュールの集合を持つ新しい推論フレームワークを提案する。
そこで我々は,提案した分散推論フレームワークのモジュール分布の学習に基づくアルゴリズムを考案した。
論文 参考訳(メタデータ) (2020-08-12T12:03:27Z)
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。