論文の概要: A Unified Light Framework for Real-time Fault Detection of Freight Train Images

• arxiv url: http://arxiv.org/abs/2102.00381v1
• Date: Sun, 31 Jan 2021 05:10:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-02 15:54:01.178674
• Title: A Unified Light Framework for Real-time Fault Detection of Freight Train Images
• Title（参考訳）: 貨物列車画像のリアルタイム故障検出のための統一光フレームワーク
• Authors: Yang Zhang, Moyun Liu, Yang Yang, Yanwen Guo, Huiming Zhang
• Abstract要約: 貨物列車のリアルタイム故障検出は、鉄道輸送の安全と最適運転を保証する上で重要な役割を担っている。 深層学習に基づくアプローチの有望な結果にもかかわらず、貨物列車画像におけるこれらの断層検出器の性能は精度と効率の両立には程遠い。 本稿では,リソース要求の少ないリアルタイム動作をサポートしながら,検出精度を向上させるための統一光フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 16.721758280029302
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Real-time fault detection for freight trains plays a vital role in guaranteeing the security and optimal operation of railway transportation under stringent resource requirements. Despite the promising results for deep learning based approaches, the performance of these fault detectors on freight train images, are far from satisfactory in both accuracy and efficiency. This paper proposes a unified light framework to improve detection accuracy while supporting a real-time operation with a low resource requirement. We firstly design a novel lightweight backbone (RFDNet) to improve the accuracy and reduce computational cost. Then, we propose a multi region proposal network using multi-scale feature maps generated from RFDNet to improve the detection performance. Finally, we present multi level position-sensitive score maps and region of interest pooling to further improve accuracy with few redundant computations. Extensive experimental results on public benchmark datasets suggest that our RFDNet can significantly improve the performance of baseline network with higher accuracy and efficiency. Experiments on six fault datasets show that our method is capable of real-time detection at over 38 frames per second and achieves competitive accuracy and lower computation than the state-of-the-art detectors.
• Abstract（参考訳）: 貨物列車のリアルタイム故障検出は、厳しい資源要件下での鉄道輸送の安全性と最適運用を保証する上で重要な役割を果たしています。 深層学習に基づくアプローチの有望な結果にもかかわらず、貨物列車画像上のこれらの断層検出器の性能は精度と効率の両立には程遠い。 本稿では,リソース要求の少ないリアルタイム動作をサポートしながら,検出精度を向上させるための統一光フレームワークを提案する。 まず,新しい軽量バックボーン(RFDNet)を設計し,精度の向上と計算コストの低減を図る。 そこで,RFDNetから生成されたマルチスケール機能マップを用いたマルチリージョン提案ネットワークを提案し,検出性能を改善する。 最後に,多レベル位置センシティブスコアマップと関心領域のプーリングを行い,冗長な計算量が少なく精度をさらに向上させる。 公開ベンチマークデータセットの広範囲な実験結果から,rfdnetは精度と効率を向上し,ベースラインネットワークの性能を大幅に向上できることが示唆された。 6つの故障データセットを用いた実験により,本手法は毎秒38フレーム以上でリアルタイム検出が可能であり,最先端検出器よりも高い精度と低い計算性能を達成できることを示した。

関連論文リスト

• Faster Than Lies: Real-time Deepfake Detection using Binary Neural Networks [0.0]
  ディープフェイク検出は、オンラインコンテンツへの信頼を損なうディープフェイクメディアの拡散と対比することを目的としている。 本稿では,BNN(Binary Neural Networks)を用いた画像に対する新しいディープフェイク検出手法を提案する。
  論文  参考訳（メタデータ） (2024-06-07T13:37:36Z)
• Edge-Enabled Real-time Railway Track Segmentation [0.0]
  エッジ対応鉄道線路分割アルゴリズムを提案する。 ネットワーク構造を最適化し、トレーニング後のモデルを定量化することで、エッジアプリケーションに適したように最適化されている。 実験結果から,提案アルゴリズムの精度は83.3%であった。
  論文  参考訳（メタデータ） (2024-01-21T13:45:52Z)
• 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)
• 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)
• A Lightweight NMS-free Framework for Real-time Visual Fault Detection System of Freight Trains [11.195801283133994]
  貨物列車のリアルタイム視覚に基づく故障検出システム(RVBS-FD)は、鉄道交通の安全確保に不可欠である。 既存の視覚ベースの手法の多くは、畳み込みニューラルネットワークに基づく計算コストが高い。 リアルタイム検出と高精度を同時に実現する軽量NMSフリーフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-25T03:07:48Z)
• SALISA: Saliency-based Input Sampling for Efficient Video Object Detection [58.22508131162269]
  ビデオオブジェクト検出のための新しい一様SALiencyベースの入力SAmpling技術であるSALISAを提案する。 SALISAは小物体の検出を著しく改善することを示す。
  論文  参考訳（メタデータ） (2022-04-05T17:59:51Z)
• FasterPose: A Faster Simple Baseline for Human Pose Estimation [65.8413964785972]
  本稿では,高速ポーズ推定のためのLR表現を用いた費用対効果ネットワークの設計パラダイムであるFasterPoseを提案する。 我々は,FasterPoseのトレーニング挙動について検討し,収束を加速する新しい回帰クロスエントロピー(RCE)損失関数を定式化する。 従来のポーズ推定ネットワークと比較すると,FLOPの58%が減少し,精度が1.3%向上した。
  論文  参考訳（メタデータ） (2021-07-07T13:39:08Z)
• A Deep Value-network Based Approach for Multi-Driver Order Dispatching [55.36656442934531]
  そこで本研究では,注文発送のための深層強化学習に基づくソリューションを提案する。 DiDiの配車プラットフォーム上で大規模なオンラインA/Bテストを実施している。 その結果,CVNetは近年提案されているディスパッチ手法よりも一貫して優れていた。
  論文  参考訳（メタデータ） (2021-06-08T16:27:04Z)
• Fourier Space Losses for Efficient Perceptual Image Super-Resolution [131.50099891772598]
  提案した損失関数の適用のみで,最近導入された効率的なジェネレータアーキテクチャの性能向上が可能であることを示す。 フーリエ空間における周波数に対する損失の直接的強調は知覚的画質を著しく向上させることを示す。 訓練されたジェネレータは、最先端の知覚的SR法である RankSRGAN と SRFlow よりも2.4倍、48倍高速である。
  論文  参考訳（メタデータ） (2021-06-01T20:34:52Z)
• Lite-FPN for Keypoint-based Monocular 3D Object Detection [18.03406686769539]
  keypointベースのモノクロ3dオブジェクト検出は、非常に進歩し、高い速度精度のトレードオフを達成した。 マルチスケール機能融合を実現する軽量機能ピラミッドネットワークLite-FPNを提案します。 提案手法は,高い精度とフレームレートを同時に達成する。
  論文  参考訳（メタデータ） (2021-05-01T14:44:31Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)

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。