Fugu-MT 論文翻訳(概要): Image Classification using CNN for Traffic Signs in Pakistan

論文の概要: Image Classification using CNN for Traffic Signs in Pakistan

arxiv url: http://arxiv.org/abs/2102.10130v1
Date: Fri, 19 Feb 2021 19:16:22 GMT
ステータス: 処理完了
システム内更新日: 2021-02-24 14:37:27.080561
Title: Image Classification using CNN for Traffic Signs in Pakistan
Title（参考訳）: CNNを用いたパキスタンの交通標識画像分類
Authors: Abdul Azeem Sikander, Hamza Ali
Abstract要約: この研究は、パキスタンのような未発達の国の環境空間でこれらの人工知能モデルを訓練することを提案した。画像分類における提案手法では,畳み込みニューラルネットワークを用いて画像分類を行う。実験では,前回実施した実験から得られた最良の結果と精度を示した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: The autonomous automotive industry is one of the largest and most conventional projects worldwide, with many technology companies effectively designing and orienting their products towards automobile safety and accuracy. These products are performing very well over the roads in developed countries. But can fail in the first minute in an underdeveloped country because there is much difference between a developed country environment and an underdeveloped country environment. The following study proposed to train these Artificial intelligence models in environment space in an underdeveloped country like Pakistan. The proposed approach on image classification uses convolutional neural networks for image classification for the model. For model pre-training German traffic signs data set was selected then fine-tuned on Pakistan's dataset. The experimental setup showed the best results and accuracy from the previously conducted experiments. In this work to increase the accuracy, more dataset was collected to increase the size of images in every class in the data set. In the future, a low number of classes are required to be further increased where more images for traffic signs are required to be collected to get more accuracy on the training of the model over traffic signs of Pakistan's most used and popular roads motorway and national highway, whose traffic signs color, size, and shapes are different from common traffic signs.
Abstract（参考訳）: 自動車産業は、自動車の安全性と精度を効果的に設計し、指向する多くのテクノロジー企業が、世界中で最大かつ最も従来のプロジェクトの1つです。これらの製品は先進国の道路で非常によく機能しています。しかし、先進国の環境と途上国の環境には大きな違いがあるため、未開発国での最初の分に失敗することができます。次の研究は、パキスタンのような未発達の国の環境空間でこれらの人工知能モデルを訓練することを提案した。画像分類における提案手法では,畳み込みニューラルネットワークを用いて画像分類を行う。モデルの事前トレーニングのために、ドイツの交通標識データセットが選択され、パキスタンのデータセットに微調整された。実験では,前回実施した実験から得られた最良の結果と精度を示した。精度を高めるために、データセット内の各クラスの画像のサイズを増やすために、より多くのデータセットが収集された。将来的には、交通標識の色、サイズ、形状が一般的な交通標識と異なるパキスタンで最も使用され、最も人気のある道路の高速道路や国道の交通標識上のモデルのトレーニングの精度を得るために、交通標識のためのより多くの画像が収集され、さらに多くのクラスが増加する必要があります。

関連論文リスト

Automatic location detection based on deep learning [0.0]
本研究は,インドにおける都市画像の識別・分類に適した画像分類システムの詳細な研究と実装について述べる。インドでは,Ahmedabad,Delhi,Kerala,Kolkata,Mumbaiの5都市に画像の分類を行った。本研究は,観光,都市計画,さらにはリアルタイム位置情報システムへの応用の可能性を示すものである。
論文参考訳（メタデータ） (2024-03-16T12:25:30Z)
Large-scale Weakly Supervised Learning for Road Extraction from Satellite Imagery [9.28701721082481]
本稿では,OpenStreetMapの道路データを弱いラベルや大規模衛星画像として活用して,事前学習セマンティックセグメンテーションモデルを提案する。私たちのモデルは、広く使われているDeepGlobeロードデータセットの最大100倍のデータを使用し、現在のDeepGlobeリーダーボードのトップパフォーマーを超えています。
論文参考訳（メタデータ） (2023-09-14T16:16:57Z)
Energy-Based Models for Cross-Modal Localization using Convolutional Transformers [52.27061799824835]
GPSのない衛星画像に対して、距離センサを搭載した地上車両を位置決めする新しい枠組みを提案する。本稿では, 畳み込み変換器を用いて, 高精度な計量レベルの局所化を行う手法を提案する。我々は、エンドツーエンドでモデルをトレーニングし、KITTI、Pandaset、カスタムデータセットの最先端技術よりも高い精度でアプローチを実証する。
論文参考訳（メタデータ） (2023-06-06T21:27:08Z)
Semi-supervised Road Updating Network (SRUNet): A Deep Learning Method for Road Updating from Remote Sensing Imagery and Historical Vector Maps [3.350048575501172]
本研究では,道路更新のための半教師付き学習(SRUNet)に基づく道路検出手法を提案する。提案したSRUNetは,幅広い道路更新作業に対して,安定かつ最新かつ信頼性の高い予測結果を提供する。
論文参考訳（メタデータ） (2023-04-28T16:51:35Z)
Street-View Image Generation from a Bird's-Eye View Layout [95.36869800896335]
近年,Bird's-Eye View (BEV) の知覚が注目されている。自動運転のためのデータ駆動シミュレーションは、最近の研究の焦点となっている。本稿では,現実的かつ空間的に一貫した周辺画像を合成する条件生成モデルであるBEVGenを提案する。
論文参考訳（メタデータ） (2023-01-11T18:39:34Z)
Comparing the Machine Readability of Traffic Sign Pictograms in Austria and Germany [68.8204255655161]
オーストリアやドイツの交通標識に見られるピクトグラムの機械可読性を比較した。我々は,現在展開されている2つの国におけるピクトグラムの違いと,人間の可読性を高めるために設計された新しいピクトグラムのセットに焦点を当てた。機械学習モデルは、訓練されていないピクトグラムデザインのデータセットに対して、十分に一般化されていることがわかった。
論文参考訳（メタデータ） (2021-09-06T11:01:14Z)
SODA10M: Towards Large-Scale Object Detection Benchmark for Autonomous Driving [94.11868795445798]
我々は,SODA10Mという名の自律走行用大規模物体検出ベンチマークをリリースし,1000万枚の未ラベル画像と6つの代表対象カテゴリをラベル付けした20K画像を含む。多様性を向上させるために、画像は32の異なる都市で、1フレームあたり10秒毎に異なる気象条件、期間、場所のシーンで収集される。我々は、既存の教師付き最先端検出モデル、一般的な自己監督型および半教師付きアプローチ、および将来のモデルの開発方法に関するいくつかの知見について、広範な実験と詳細な分析を行った。
論文参考訳（メタデータ） (2021-06-21T13:55:57Z)
Vehicle trajectory prediction in top-view image sequences based on deep learning method [1.181206257787103]
周囲の車両の動きを推定し予測することは、自動車両と高度な安全システムにとって不可欠である。道路の空中画像から得られた画像から学習した計算複雑性の低いモデルを提案する。提案モデルでは, 対象車両とその周辺車両の移動履歴に関する画像を見るだけで, 自動車の将来の進路を予測できる。
論文参考訳（メタデータ） (2021-02-02T20:48:19Z)
Deep Traffic Sign Detection and Recognition Without Target Domain Real Images [52.079665469286496]
本稿では,ターゲットドメインからの実際の画像を必要としない新しいデータベース生成手法と,(ii)交通標識のテンプレートを提案する。この方法は、実際のデータでトレーニングを克服することではなく、実際のデータが利用できない場合に互換性のある代替手段になることを目的としている。大規模なデータセットでは、完全に合成されたデータセットによるトレーニングは、実際のデータセットとトレーニングのパフォーマンスにほぼ一致する。
論文参考訳（メタデータ） (2020-07-30T21:06:47Z)
Explicit Domain Adaptation with Loosely Coupled Samples [85.9511585604837]
本稿では,ドメイン間の明示的なマッピングを学習するトランスファーラーニングフレームワークを提案する。その解釈可能性のために、これは自律運転のような安全クリティカルなアプリケーションにとって有益である。
論文参考訳（メタデータ） (2020-04-24T21:23:45Z)
Detecting Unsigned Physical Road Incidents from Driver-View Images [3.840106920708639]
重要なニーズは、破壊的なインシデントを迅速かつ効果的に検出し、伝達することである。既製のディープニューラルネットワークアーキテクチャに基づくシステムを提案する。我々は,未署名の身体的事象に対する分類を開発し,関連する事象を整理・分類する手段を提供する。
論文参考訳（メタデータ） (2020-04-24T16:02:17Z)

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。