論文の概要: Snowy Night-to-Day Translator and Semantic Segmentation Label Similarity
for Snow Hazard Indicator
- arxiv url: http://arxiv.org/abs/2103.00545v1
- Date: Sun, 28 Feb 2021 16:08:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-03 16:41:27.759215
- Title: Snowy Night-to-Day Translator and Semantic Segmentation Label Similarity
for Snow Hazard Indicator
- Title（参考訳）: スノーハザードインジケーターの積雪夜間変換器とセマンティックセグメンテーションラベル類似性
- Authors: Takato Yasuno, Hiroaki Sugawara, Junichiro Fujii, Ryuto Yoshida
- Abstract要約: 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。
- 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 2021, Japan recorded more than three times as much snowfall as usual, so
road user maybe come across dangerous situation. The poor visibility caused by
snow triggers traffic accidents. For example, 2021 January 19, due to the dry
snow and the strong wind speed of 27 m / s, blizzards occurred and the outlook
has been ineffective. Because of the whiteout phenomenon, multiple accidents
with 17 casualties occurred, and 134 vehicles were stacked up for 10 hours over
1 km. At the night time zone, the temperature drops and the road surface tends
to freeze. CCTV images on the road surface have the advantage that we enable to
monitor the status of major points at the same time. Road managers are required
to make decisions on road closures and snow removal work owing to the road
surface conditions even at night. In parallel, they would provide road users to
alert for hazardous road surfaces. This paper propose a method to automate a
snow hazard indicator that the road surface region is generated from the night
snow image using the Conditional GAN, pix2pix. In addition, the road surface
and the snow covered ROI are predicted using the semantic segmentation
DeepLabv3+ with a backbone MobileNet, and the snow hazard indicator to
automatically compute how much the night road surface is covered with snow. We
demonstrate several results applied to the cold and snow region in the winter
of Japan January 19 to 21 2021, and mention the usefulness of high similarity
between snowy night-to-day fake output and real snowy day image for night snow
visibility.
- Abstract（参考訳）: 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。
雪による視界不良は交通事故を引き起こします。
例えば、2021年1月19日、乾燥した雪と27m/sの強い風速のために吹雪が発生し、展望は効果が無かった。
ホワイトアウト現象により17名が負傷した複数の事故が発生し、134台の車両が1kmにわたって10時間積み上げられた。
夜の時間帯には気温が下がり、路面は凍る傾向がある。
道路面のCCTV画像は,主要地点の状況を同時に監視できるという利点がある。
道路管理者は、夜間でも路面状態のため、道路閉鎖や除雪作業の決定を行う必要があります。
並行して、危険な道路表面の警告を道路利用者に提供する。
本稿では, 夜間降雪画像から道路表面積が生成する雪害指標を, 条件GAN, pix2pixを用いて自動化する手法を提案する。
また,道路面と積雪ROIの予測には,道路表面の積雪量を自動的に算出する積雪危険指標と背骨MobileNetを用いたDeepLabv3+のセマンティックセグメンテーションが用いられる。
2021年1月19日から21日にかけての冬季の寒冷地と積雪地域に適用されたいくつかの結果を示し, 積雪の夜間フェイクアウトプットと実際の積雪日画像との類似度が高いことの有用性について述べる。
関連論文リスト
- 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) - NiteDR: Nighttime Image De-Raining with Cross-View Sensor Cooperative Learning for Dynamic Driving Scenes [49.92839157944134]
夜間の運転シーンでは、不十分で不均一な照明が暗闇の中でシーンを遮蔽し、画質と可視性が低下する。
雨天時の運転シーンに適した画像デライニング・フレームワークを開発した。
雨の人工物を取り除き、風景表現を豊かにし、有用な情報を復元することを目的としている。
論文 参考訳（メタデータ） (2024-02-28T09:02:33Z) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳（メタデータ） (2023-10-08T21:32:30Z) - 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) - 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) - 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) - Snow Mask Guided Adaptive Residual Network for Image Snow Removal [21.228758052455273]
雪は、高レベルのコンピュータビジョンタスクのパフォーマンスに深刻な影響を与える非常に一般的な大気現象である。
SMGARN(Snow Mask Guided Adaptive Residual Network)を提案する。
Mask-Net、Guidance-Fusion Network (GF-Net)、Reconstruct-Netの3部で構成されている。
SMGARNは既存の除雪方法よりも数値的に優れており、再構成された画像は視覚的コントラストにおいてより鮮明である。
論文 参考訳（メタデータ） (2022-07-11T10:30:46Z) - 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) - 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) - Road Surface Translation Under Snow-covered and Semantic Segmentation
for Snow Hazard Index [0.0]
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。
論文 参考訳（メタデータ） (2021-01-14T14:25:12Z)
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。