論文の概要: Perception Entropy: A Metric for Multiple Sensors Configuration Evaluation and Design

• arxiv url: http://arxiv.org/abs/2104.06615v1
• Date: Wed, 14 Apr 2021 03:52:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-15 13:08:28.125731
• Title: Perception Entropy: A Metric for Multiple Sensors Configuration Evaluation and Design
• Title（参考訳）: 知覚エントロピー:複数センサの構成評価と設計のためのメトリクス
• Authors: Tao Ma, Zhizheng Liu, Yikang Li
• Abstract要約: 良く設計されたセンサ構成は、知覚システムの性能上界を大幅に改善する。 ベイズ理論における条件エントロピーに基づく新しい手法を提案し,カメラとLiDARの両方を含むセンサ構成を評価する。 我々の知る限りでは、これは自動運転車のマルチセンサー構成問題に対処する最初の方法である。
• 参考スコア（独自算出の注目度）: 17.979248163548288
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sensor configuration, including the sensor selections and their installation locations, serves a crucial role in autonomous driving. A well-designed sensor configuration significantly improves the performance upper bound of the perception system. However, as leveraging multiple sensors is becoming the mainstream setting, existing methods mainly focusing on single-sensor configuration problems are hardly utilized in practice. To tackle these issues, we propose a novel method based on conditional entropy in Bayesian theory to evaluate the sensor configurations containing both cameras and LiDARs. Correspondingly, an evaluation metric, perception entropy, is introduced to measure the difference between two configurations, which considers both the perception algorithm performance and the selections of the sensors. To the best of our knowledge, this is the first method to tackle the multi-sensor configuration problem for autonomous vehicles. The simulation results, extensive comparisons, and analysis all demonstrate the superior performance of our proposed approach.
• Abstract（参考訳）: センサーの選択や設置場所を含むセンサーの構成は、自動運転において重要な役割を果たす。 良く設計されたセンサ構成は、知覚システムの性能上界を大幅に改善する。 しかし, 複数センサの活用が主流になりつつあるため, 単一センサ構成問題に焦点を絞った既存手法はほとんど利用されていない。 そこで本研究では,ベイズ理論における条件エントロピーに基づく,カメラとライダーの両方を含むセンサ構成を評価する新しい手法を提案する。 それに応じて、知覚アルゴリズムの性能とセンサの選択の両方を考慮した2つの構成間の差を測定するために、評価指標である知覚エントロピーが導入された。 我々の知る限りでは、これは自動運転車のマルチセンサー構成問題に対処する最初の方法である。 シミュレーション結果,広範な比較,分析により,提案手法の優れた性能が得られた。

関連論文リスト

• MSSIDD: A Benchmark for Multi-Sensor Denoising [55.41612200877861]
  我々は,マルチセンサSIDDデータセットという新しいベンチマークを導入する。これは,認知モデルのセンサ伝達性を評価するために設計された,最初の生ドメインデータセットである。 そこで本研究では,センサに不変な特徴を認知モデルで学習することのできるセンサ一貫性トレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-18T13:32:59Z)
• Condition-Aware Multimodal Fusion for Robust Semantic Perception of Driving Scenes [56.52618054240197]
  本研究では,運転シーンのロバストな意味認識のための条件対応型マルチモーダル融合手法を提案する。 CAFuserは、RGBカメラ入力を用いて環境条件を分類し、複数のセンサの融合を誘導するコンディショントークンを生成する。 MUSESデータセットでは,マルチモーダルパノプティクスセグメンテーションの59.7 PQ,セマンティックセグメンテーションの78.2 mIoU,公開ベンチマークの1位にランクインした。
  論文  参考訳（メタデータ） (2024-10-14T17:56:20Z)
• Data-Based Design of Multi-Model Inferential Sensors [0.0]
  産業プロセスの非線形特性は、通常、単純な線形推論センサーを設計する主な制限である。 本稿では,マルチモデル推論センサの設計のための2つの新しいアプローチを提案する。 その結果、単モデル/複数モデル推論センサの最先端設計技術よりも大幅に改善された。
  論文  参考訳（メタデータ） (2023-08-05T12:55:15Z)
• Data-Induced Interactions of Sparse Sensors [3.050919759387984]
  トレーニングデータによって引き起こされるセンサインタラクションの全体像を熱力学ビューで計算する。 これらのデータによって引き起こされるセンサーの相互作用をマッピングすることで、外部選択基準と組み合わせ、センサーの代替効果を予測することができる。
  論文  参考訳（メタデータ） (2023-07-21T18:13:37Z)
• A Real-time Human Pose Estimation Approach for Optimal Sensor Placement in Sensor-based Human Activity Recognition [63.26015736148707]
  本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。 得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。 本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
  論文  参考訳（メタデータ） (2023-07-06T10:38:14Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• Investigating the Effect of Sensor Modalities in Multi-Sensor Detection-Prediction Models [8.354898936252516]
  我々は,モデル性能に対するセンサモダリティの寄与に注目した。 また,上記の課題を解決するためにセンサドロップアウトの利用について検討する。
  論文  参考訳（メタデータ） (2021-01-09T03:21:36Z)
• Ant Colony Inspired Machine Learning Algorithm for Identifying and Emulating Virtual Sensors [0.0]
  他のセンサーに基づいて特定のセンサーの出力をエミュレートすることが可能である。 読み出しをエミュレートできるセンサーのサブセットを特定するために、センサーはクラスタにグループ化されなければならない。 本稿では,このようなシステムにおける仮想センサを実現するために,エンドツーエンドのアルゴリズムソリューションを提案する。
  論文  参考訳（メタデータ） (2020-11-02T09:06:14Z)
• Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
  本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。 我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T10:51:32Z)

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。