論文の概要: Global Road Damage Detection: State-of-the-art Solutions
- arxiv url: http://arxiv.org/abs/2011.08740v1
- Date: Tue, 17 Nov 2020 16:19:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 17:32:52.338185
- Title: Global Road Damage Detection: State-of-the-art Solutions
- Title(参考訳): 世界的道路損傷検出の現状と課題
- Authors: Deeksha Arya (1, 2), Hiroya Maeda (2), Sanjay Kumar Ghosh (1), Durga
Toshniwal (1), Hiroshi Omata (2), Takehiro Kashiyama (2) and Yoshihide
Sekimoto (2) ((1) Indian Institute of Technology Roorkee, India, (2) The
University of Tokyo, Japan)
- Abstract要約: 本稿では,2020年のIEEE International Conference on Big Dataの一部として組織されたビッグデータカップであるGlobal Road damage Detection Challenge(GRDDC)を要約する。
このデータは、インド、日本、チェコ共和国から収集された26336枚の道路画像から成り、道路損傷を自動的に検出する方法を提案する。
論文は、提示された課題と将来の課題で改善される可能性のある課題に対して、うまく機能するファセットのレビューで締めくくっている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This paper summarizes the Global Road Damage Detection Challenge (GRDDC), a
Big Data Cup organized as a part of the IEEE International Conference on Big
Data'2020. The Big Data Cup challenges involve a released dataset and a
well-defined problem with clear evaluation metrics. The challenges run on a
data competition platform that maintains a leaderboard for the participants. In
the presented case, the data constitute 26336 road images collected from India,
Japan, and the Czech Republic to propose methods for automatically detecting
road damages in these countries. In total, 121 teams from several countries
registered for this competition. The submitted solutions were evaluated using
two datasets test1 and test2, comprising 2,631 and 2,664 images. This paper
encapsulates the top 12 solutions proposed by these teams. The best performing
model utilizes YOLO-based ensemble learning to yield an F1 score of 0.67 on
test1 and 0.66 on test2. The paper concludes with a review of the facets that
worked well for the presented challenge and those that could be improved in
future challenges.
- Abstract(参考訳): 本稿では,2020 年の IEEE International Conference on Big Data の一部として組織された Big Data Cup である Global Road damage Detection Challenge (GRDDC) を要約する。
ビッグデータカップの課題には、リリースデータセットと、明確な評価指標を備えた明確に定義された問題が含まれる。
課題は参加者のリーダーボードを維持するデータコンペティションプラットフォーム上で実行される。
本稿では,インド,日本,チェコから収集した26336枚の道路画像から,これらの国の道路被害を自動的に検出する方法を提案する。
この大会には、いくつかの国から121チームが登録された。
提案手法は,2,631画像と2,664画像からなる2つのデータセットtest1とtest2を用いて評価した。
この論文は、これらのチームによって提案されたトップ12ソリューションをカプセル化する。
ベストパフォーマンスモデルは、テスト1で0.67、テスト2で0.66のf1スコアを得るために、ヨーロベースのアンサンブル学習を利用する。
論文は、提示された課題のためにうまく機能し、将来の課題で改善される可能性のある課題のレビューで締めくくっている。
関連論文リスト
- ICDAR 2023 Competition on Structured Text Extraction from Visually-Rich
Document Images [198.35937007558078]
大会は2022年12月30日に開かれ、2023年3月24日に閉幕した。
トラック1には35人の参加者と91人の有効な応募があり、トラック2には15人の参加者と26人の応募がある。
提案手法の性能によると, 複雑なシナリオやゼロショットシナリオにおいて, 期待される情報抽出性能にはまだ大きなギャップがあると考えられる。
論文 参考訳(メタデータ) (2023-06-05T22:20:52Z) - Crowdsensing-based Road Damage Detection Challenge (CRDDC-2022) [0.0]
本稿では,IEEE International Conference on Big Data'2022の一部として組織されたビッグデータカップである,クラウドセンシングに基づく道路被害検出チャレンジ(CRDDC)を要約する。
このデータは、インド、日本、チェコ、ノルウェー、米国、中国から収集された47,420枚の道路画像で構成されている。
この大会に登録された19カ国の60チーム以上が、上記の6カ国の未確認テスト画像のパフォーマンスに基づいて、5つのリーダーボードを用いて評価した。
論文 参考訳(メタデータ) (2022-11-21T11:29:21Z) - The 1st Data Science for Pavements Challenge [5.610512429240221]
Data Science for Pavement Challenge (DSPC)は、舗装条件監視と評価のための自動視覚システムの研究と開発を加速することを目指している。
第1回大会では8カ国22チームが出場した。
論文はトップ5チームからのソリューションを要約している。
論文 参考訳(メタデータ) (2022-06-10T05:02:31Z) - NTIRE 2022 Challenge on Stereo Image Super-Resolution: Methods and
Results [116.8625268729599]
NTIREの課題は、標準的なバイコビック劣化下でのステレオ画像超解像問題を目的とした1トラックである。
合計238人の参加者が登録され、21チームが最終テストフェーズに出場した。
この課題はステレオ画像SRの新しいベンチマークを確立する。
論文 参考訳(メタデータ) (2022-04-20T02:55:37Z) - NTIRE 2021 Multi-modal Aerial View Object Classification Challenge [88.89190054948325]
CVPR の NTIRE 2021 ワークショップと共同で,MAVOC (Multi-modal Aerial View Object Classification) の最初の挑戦を紹介した。
この課題は、EOとSAR画像を用いた2つの異なるトラックで構成されている。
本コンペティションで提案した最上位の手法について検討し,その成果を目視テストセットで評価する。
論文 参考訳(メタデータ) (2021-07-02T16:55:08Z) - NTIRE 2021 Challenge on Quality Enhancement of Compressed Video: Dataset
and Study [95.36629866768999]
本稿では, NTIRE 2021チャレンジの最先端手法について, 映像強調のための新しいデータセットを提案する。
この課題は、3つのコンペティション、数百の参加者、数十のソリューションで、この方向の最初のNTIREチャレンジです。
NTIRE 2021の課題は圧縮ビデオの品質向上の最先端技術であることがわかった。
論文 参考訳(メタデータ) (2021-04-21T22:18:33Z) - DeeperForensics Challenge 2020 on Real-World Face Forgery Detection:
Methods and Results [144.5252578415748]
本稿では,現実世界の顔偽造検出に関するDeeperForensics Challenge 2020の手法と結果について報告する。
この挑戦はdeepforensics-1.0データセットを採用し、6万のビデオを合計1760万フレームで構成する。
115人の参加者が参加し、25のチームが有効な応募を行った。
論文 参考訳(メタデータ) (2021-02-18T16:48:57Z) - 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) - Road Damage Detection and Classification with Detectron2 and Faster
R-CNN [0.0]
我々は,異なるベースモデルと構成を用いて,より高速なR-CNNの実装を評価する。
我々はまた、これらのアプローチを、IEEE Big Data 2020 Big Data Cup ChallengeデータセットのトラックであるGlobal Road Damage Detection Challenge 2020を用いて実験した。
論文 参考訳(メタデータ) (2020-10-28T14:53:17Z) - Analysing Affective Behavior in the First ABAW 2020 Competition [49.90617840789334]
ABAW(Affective Behavior Analysis in-the-Wild) 2020コンペティションは、3つの主要な行動タスクの自動分析を目的とした最初のコンペティションである。
アルゼンチンのブエノスアイレスで2020年5月に開催されたIEEE Face and Gesture Recognitionと共同で開催されるこのコンペティションについて説明する。
評価指標を概説し,ベースラインシステムとトップ3の実施するチームの方法論をチャレンジ毎に提示し,その結果を最終的に提示する。
論文 参考訳(メタデータ) (2020-01-30T15:41:14Z)
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。