論文の概要: Multi-regime analysis for computer vision-based traffic surveillance using a change-point detection algorithm

• arxiv url: http://arxiv.org/abs/2011.11758v1
• Date: Sat, 7 Nov 2020 13:54:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 22:57:55.628147
• Title: Multi-regime analysis for computer vision-based traffic surveillance using a change-point detection algorithm
• Title（参考訳）: 変化点検出アルゴリズムを用いたコンピュータビジョンによる交通監視のためのマルチレジーム解析
• Authors: Seungyun Jeong and Keemin Sohn
• Abstract要約: 日時,天気,影などの環境条件によらず,交通パラメータを計測できる普遍モデルを見つけることは困難である。 このアプローチでは、環境条件の変化点を決定するために、オンラインパラメトリックアルゴリズムを用いる。 マルチレジーム解析の精度は、すべてのデータに基づいてトレーニングされた統合モデルよりもはるかに高かった。
• 参考スコア（独自算出の注目度）: 3.655021726150368
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As a result of significant advances in deep learning, computer vision technology has been widely adopted in the field of traffic surveillance. Nonetheless, it is difficult to find a universal model that can measure traffic parameters irrespective of ambient conditions such as times of the day, weather, or shadows. These conditions vary recurrently, but the exact points of change are inconsistent and unpredictable. Thus, the application of a multi-regime method would be problematic, even when separate sets of model parameters are prepared in advance. In the present study we devised a robust approach that facilitates multi-regime analysis. This approach employs an online parametric algorithm to determine the change-points for ambient conditions. An autoencoder was used to reduce the dimensions of input images, and reduced feature vectors were used to implement the online change-point algorithm. Seven separate periods were tagged with typical times in a given day. Multi-regime analysis was then performed so that the traffic density could be separately measured for each period. To train and test models for vehicle counting, 1,100 video images were randomly chosen for each period and labeled with traffic counts. The measurement accuracy of multi-regime analysis was much higher than that of an integrated model trained on all data.
• Abstract（参考訳）: ディープラーニングの大幅な進歩の結果、コンピュータビジョン技術は交通監視の分野で広く採用されている。 それでも、日時、天気、影といった環境条件によらず、交通パラメータを計測できる普遍的なモデルを見つけることは困難である。 これらの条件は繰り返し変化するが、正確な変化点は矛盾しており予測不能である。 したがって、モデルパラメータの分離セットが事前に準備されている場合でも、マルチレジーム法の適用は問題となる。 本研究では,マルチレジーム解析を容易にする頑健な手法を考案した。 このアプローチでは、環境条件の変化点を決定するために、オンラインパラメトリックアルゴリズムを用いる。 オートエンコーダを使用して入力画像の寸法を削減し、オンラインチェンジポイントアルゴリズムを実装するために特徴ベクトルを削減した。 特定の日に7つの異なる期間を典型的にタグ付けした。 次に,各期間の交通密度を別々に測定できるようにマルチレジーム解析を行った。 車両計数モデルのトレーニングとテストのために、1,100枚の映像がランダムに選択され、交通計数でラベル付けされた。 マルチレジスタ解析の測定精度は,全データを用いた統合モデルの計測精度よりもはるかに高かった。

関連論文リスト

• Partially-Observable Sequential Change-Point Detection for Autocorrelated Data via Upper Confidence Region [12.645304808491309]
  逐次変化点検出のための状態空間モデル(AUCRSS)を用いたアダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・ SSMのオンライン推論のために部分的に観測可能なカルマンフィルタアルゴリズムを開発し、一般化された確率比テストに基づく変化点検出スキームを解析する。
  論文  参考訳（メタデータ） (2024-03-30T02:32:53Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
  複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。 運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。 我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
  論文  参考訳（メタデータ） (2023-10-03T10:10:42Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Multivariate Time Series Classification: A Deep Learning Approach [1.0742675209112622]
  本稿では時系列分類領域に適用可能な様々な手法とニューラルネットワークアーキテクチャについて検討する。 データは、酸素や音などの量を測定し、追跡するガスセンサー群から得られる。 このデータにより、特定の環境における占有などの事象を検出することができる。
  論文  参考訳（メタデータ） (2023-07-05T12:50:48Z)
• Driver Maneuver Detection and Analysis using Time Series Segmentation and Classification [7.413735713939367]
  本稿では,自然主義運転環境下での車両遠隔計測データから車両の操作を自動的に検出する手法を実装した。 本研究の目的は、自然主義駆動学習ビデオのフレーム・バイ・フレームアノテーションのためのエンドツーエンドパイプラインを開発することである。
  論文  参考訳（メタデータ） (2022-11-10T03:38:50Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• Predicting highway lane-changing maneuvers: A benchmark analysis of machine and ensemble learning algorithms [0.0]
  異なる機械学習とアンサンブル学習の分類手法をルールベースモデルと比較する。 速度の遅い車線から速い車線まで) と折りたたみ式の2種類の車線変更操作を予測した。 もしルールベースのモデルが、特に折りたたみの場合の予測精度に制限を与えているなら、モデリングバイアスを欠いたデータベースのアルゴリズムは、大幅な予測改善を可能にします。
  論文  参考訳（メタデータ） (2022-04-20T22:55:59Z)
• Mixed-Precision Neural Network Quantization via Learned Layer-wise Importance [50.00102219630088]
  混合精度量子化(MPQ)は各層に対して最適なビット幅を決定するのを難しくする。 本稿では,すべての指標を同時に取得できる共同学習手法を提案する。 例えば、ResNet18上のインデックスによるMPQ検索は、わずか0.06秒しかかからない。
  論文  参考訳（メタデータ） (2022-03-16T03:23:50Z)
• PSEUDo: Interactive Pattern Search in Multivariate Time Series with Locality-Sensitive Hashing and Relevance Feedback [3.347485580830609]
  PSEUDoは、マルチトラックシーケンシャルデータにおける視覚パターンを探索するための適応的機能学習技術である。 提案アルゴリズムは,サブ線形学習と推論時間を特徴とする。 我々は,PSEUDoの効率,精度,操縦性において優位性を示す。
  論文  参考訳（メタデータ） (2021-04-30T13:00:44Z)
• Change Point Detection in Time Series Data using Autoencoders with a Time-Invariant Representation [69.34035527763916]
  変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。 近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。 我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
  論文  参考訳（メタデータ） (2020-08-21T15:03:21Z)

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。