論文の概要: Road Surface Translation Under Snow-covered and Semantic Segmentation
for Snow Hazard Index
- arxiv url: http://arxiv.org/abs/2101.05616v4
- Date: Mon, 1 Mar 2021 11:52:19 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-29 00:50:44.491409
- Title: Road Surface Translation Under Snow-covered and Semantic Segmentation
for Snow Hazard Index
- Title（参考訳）: 積雪環境指標の積雪とセマンティックセグメンテーションによる道路表面翻訳
- Authors: Takato Yasuno, Junichiro Fujii, Hiroaki Sugawara, Masazumi Amakata
- Abstract要約: 本研究では,雪害率を自動計算する実画像後処理を用いた深層学習アプリケーションを提案する。
これらの学習したネットワークに基づき,道路表面の積雪量を示す道路から積雪までのハザード指数を自動的に計算する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In 2020, there was a record heavy snowfall owing to climate change. In
reality, 2,000 vehicles were stuck on the highway for three days. Because of
the freezing of the road surface, 10 vehicles had a billiard accident. Road
managers are required to provide indicators to alert drivers regarding snow
cover at hazardous locations. This study proposes a deep learning application
with live image post-processing to automatically calculate a snow hazard ratio
indicator. First, the road surface hidden under snow is translated using a
generative adversarial network, pix2pix. Second, snow-covered and road surface
classes are detected by semantic segmentation using DeepLabv3+ with MobileNet
as a backbone. Based on these trained networks, we automatically compute the
road to snow rate hazard index, indicating the amount of snow covered on the
road surface. We demonstrate the applied results to 1,155 live snow images of
the cold region in Japan. We mention the usefulness and the practical
robustness of our study.
- Abstract（参考訳）: 2020年は気候変動の影響で記録的な豪雪に見舞われた。
実のところ、2000台の車両が3日間高速道路に停泊していた。
道路面の凍結のため、10台の車両がビリヤード事故を起こした。
道路管理者は、危険箇所の積雪についてドライバーに警告する指標を提供する必要がある。
本研究では,雪害率を自動計算する実画像後処理を用いた深層学習アプリケーションを提案する。
まず, 雪の下に隠れた道路面を, 生成的対向ネットワーク, pix2pixを用いて翻訳する。
次に,DeepLabv3+をバックボーンとしたセマンティックセグメンテーションにより,積雪および路面クラスを検出する。
これらの学習したネットワークに基づき,道路表面の積雪量を示す道路から積雪までのハザード指数を自動的に計算する。
本研究は,日本の寒冷地における1,155枚の実雪画像に適用した結果を示す。
本研究の有用性と実用性について述べる。
関連論文リスト
- Road Surface Friction Estimation for Winter Conditions Utilising General Visual Features [0.4972323953932129]
本稿では,道路側カメラによる路面摩擦のコンピュータビジョンによる評価について検討する。
本稿では、事前学習された視覚変換器モデルと畳み込みブロックからなるハイブリッドディープラーニングアーキテクチャWCamNetを提案する。
論文 参考訳（メタデータ） (2024-04-25T12:46:23Z) - RoadBEV: Road Surface Reconstruction in Bird's Eye View [55.0558717607946]
道路表面の状態、特に幾何学的プロファイルは、自動運転車の走行性能に大きな影響を与え、視覚に基づくオンライン道路再建は、事前に道路情報を確実に捉えている。
Bird's-Eye-View (BEV) の認識は、より信頼性が高く正確な再構築の可能性を秘めている。
本稿では,BEVにおける道路高架化モデルとして,RoadBEV-monoとRoadBEV-stereoの2つのモデルを提案する。
論文 参考訳（メタデータ） (2024-04-09T20:24:29Z) - 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) - An Autoencoder-based Snow Drought Index [0.0]
SnoDRI(Snow Drought Response Index, SnoDRI)は, 降雪の干ばつの発生を識別し, 定量化するために用いられる新しい指標である。
各種積雪変数の最先端MLアルゴリズムを用いて,本指数を算出した。
我々は1981年から2021年までの太平洋地域での再解析データ(NLDAS-2)を用いて,新しい降雪量指数の有効性について検討した。
論文 参考訳（メタデータ） (2023-05-23T03:41:45Z) - Road Detection in Snowy Forest Environment using RGB Camera [0.0]
本稿では,RGBカメラを用いた森林環境における雪道の検出について紹介する。
画像成分を分類するために、ノイズフィルタリング技術と形態演算を組み合わせる。
False Negative RateとFalse Positive Rateの2つの誤差値でアルゴリズムの性能を評価する。
論文 参考訳（メタデータ） (2022-12-16T14:49:27Z) - Leveraging Structure from Motion to Localize Inaccessible Bus Stops [1.933681537640272]
本稿では,バス路線沿いの積雪歩道の検出について検討する。
本稿では、付加的な注釈付きデータではなく、Structure from Motion(SfM)を利用する手法を提案する。
本手法は,道路沿いの積雪への適用を実証するが,他の危険条件にも適用できる。
論文 参考訳（メタデータ） (2022-10-07T15:55:34Z) - LiDAR Snowfall Simulation for Robust 3D Object Detection [116.10039516404743]
そこで本研究では,降雪の影響をシミュレーションする物理的手法を提案する。
本手法では,LiDARの各線に対して2次元空間の雪粒子をサンプリングし,誘導幾何を用いて各LiDAR線の測定を修正した。
我々はシミュレーションを用いて、部分的に合成された雪のLiDARデータを生成し、これらのデータを利用して、降雪に頑健な3次元物体検出モデルを訓練する。
論文 参考訳（メタデータ） (2022-03-28T21:48:26Z) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳（メタデータ） (2021-09-03T13:33:33Z) - Deep Dense Multi-scale Network for Snow Removal Using Semantic and
Geometric Priors [78.61844008368587]
本研究では, 積雪除去のための深度多スケールネットワーク (textbfDDMSNet) を提案する。
セマンティクスマップと幾何マップを入力として取り入れ,セマンティクス・アウェア表現と幾何アウェア表現を学習して雪を取り除く。
論文 参考訳（メタデータ） (2021-03-21T03:30:30Z) - Snowy Night-to-Day Translator and Semantic Segmentation Label Similarity
for Snow Hazard Indicator [0.0]
2021年、日本は通常の3倍以上の降雪を記録したため、道路利用者は危険な状況に遭遇する可能性がある。
本論文では,夜間の雪像から路面領域が生成されることを,雪害指標を自動化する手法を提案する。
論文 参考訳（メタデータ） (2021-02-28T16:08:07Z) - Convolutional Recurrent Network for Road Boundary Extraction [99.55522995570063]
我々は,LiDARとカメラ画像からの道路境界抽出の問題に取り組む。
我々は,完全畳み込みネットワークが道路境界の位置と方向をエンコードする深い特徴量を得る構造化モデルを設計する。
北米の大都市において,道路境界の完全なトポロジを99.3%の時間で得られる方法の有効性を示す。
論文 参考訳（メタデータ） (2020-12-21T18:59:12Z)
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。