論文の概要: IDMT-Traffic: An Open Benchmark Dataset for Acoustic Traffic Monitoring
Research
- arxiv url: http://arxiv.org/abs/2104.13620v1
- Date: Wed, 28 Apr 2021 07:58:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-29 12:42:10.433201
- Title: IDMT-Traffic: An Open Benchmark Dataset for Acoustic Traffic Monitoring
Research
- Title(参考訳): IDMT-Traffic:音響交通モニタリング研究のためのオープンベンチマークデータセット
- Authors: Jakob Abe{\ss}er and Saichand Gourishetti and Andr\'as K\'atai and
Tobias Clau{\ss} and Prachi Sharma and Judith Liebetrau
- Abstract要約: 4718の車両通過イベントの2.5時間のステレオオーディオ記録を含む新しいオープンベンチマークデータセットを提示する。
このデータセットは、組み込みセンサーデバイスにオーディオ分類アルゴリズムをデプロイするユースケースを評価するのに適している。
- 参考スコア(独自算出の注目度): 0.4433315630787158
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In many urban areas, traffic load and noise pollution are constantly
increasing. Automated systems for traffic monitoring are promising
countermeasures, which allow to systematically quantify and predict local
traffic flow in order to to support municipal traffic planning decisions. In
this paper, we present a novel open benchmark dataset, containing 2.5 hours of
stereo audio recordings of 4718 vehicle passing events captured with both
high-quality sE8 and medium-quality MEMS microphones. This dataset is well
suited to evaluate the use-case of deploying audio classification algorithms to
embedded sensor devices with restricted microphone quality and hardware
processing power. In addition, this paper provides a detailed review of recent
acoustic traffic monitoring (ATM) algorithms as well as the results of two
benchmark experiments on vehicle type classification and direction of movement
estimation using four state-of-the-art convolutional neural network
architectures.
- Abstract(参考訳): 多くの都市部では、交通負荷や騒音が絶えず増加している。
交通監視の自動化システムは、自治体の交通計画決定を支援するために、地方交通の流れを体系的に定量化し、予測できる、有望な対策である。
本稿では,高品質のsE8マイクロホンと中質のMEMSマイクロホンを併用した4718台の車両通過イベントの2.5時間のステレオオーディオ記録を含む,新しいベンチマークデータセットを提案する。
このデータセットは、マイク品質とハードウェア処理能力に制限のある組み込みセンサーデバイスにオーディオ分類アルゴリズムをデプロイするユースケースを評価するのに適している。
さらに,最近の音響トラフィック監視(ATM)アルゴリズムの詳細なレビューと,4つの最先端畳み込みニューラルネットワークアーキテクチャを用いた車両タイプ分類と移動方向推定に関する2つのベンチマーク実験の結果について述べる。
関連論文リスト
- Learning Traffic Anomalies from Generative Models on Real-Time Observations [49.1574468325115]
トラフィックデータの複雑な空間的および時間的依存関係をキャプチャするために,時空間生成適応ネットワーク(STGAN)フレームワークを用いる。
スウェーデンのヨーテボリで2020年に収集された42台の交通カメラから、STGANをリアルタイムで分単位でリアルタイムで観測する。
その結果, 精度が高く, 偽陽性率の低い交通異常を効果的に検出できることが示唆された。
論文 参考訳(メタデータ) (2025-02-03T14:23:23Z) - Multi-Source Urban Traffic Flow Forecasting with Drone and Loop Detector Data [61.9426776237409]
ドローンが捉えたデータは、大規模都市ネットワークのための正確なマルチセンサー移動観測所を作ることができる。
単純なグラフベースモデルHiMSNetは、複数のデータモダリティと学習時間相関を統合するために提案されている。
論文 参考訳(メタデータ) (2025-01-07T03:23:28Z) - A Holistic Framework Towards Vision-based Traffic Signal Control with
Microscopic Simulation [53.39174966020085]
交通信号制御(TSC)は交通渋滞を低減し、交通の流れを円滑にし、アイドリング時間を短縮し、CO2排出量を減らすために重要である。
本研究では,道路交通の流れを視覚的観察によって調節するTSCのコンピュータビジョンアプローチについて検討する。
我々は、視覚ベースのTSCとそのベンチマークに向けて、TrafficDojoと呼ばれる総合的なトラフィックシミュレーションフレームワークを導入する。
論文 参考訳(メタデータ) (2024-03-11T16:42:29Z) - MVD:A Novel Methodology and Dataset for Acoustic Vehicle Type
Classification [0.6249768559720122]
音響トラフィックモニタリングと車種分類アルゴリズムを開発するためのオープンデータセットを2つ提示する。
本稿では,ケプストラムとスペクトルに基づく局所的・大域的音声特徴を用いて,これらの音響信号を高精度に分類する方法とマルチ入力ニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2023-09-07T08:02:57Z) - Traffic State Estimation from Vehicle Trajectories with Anisotropic Gaussian Processes [21.13555047611666]
本稿では,標準等方性GPカーネルを異方性カーネルに変換するカーネル回転再パラメータ化方式を提案する。
また、複数のレーンの交通状態を同時に推定できるマルチアウトプットGPへのアプローチも拡張しています。
連結車両(CV)と人間駆動車両(HV)の混合交通について検討し,交通状態推定(TSE)方式を5%から50%まで実験した。
論文 参考訳(メタデータ) (2023-03-04T03:59:17Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳(メタデータ) (2021-08-02T08:13:57Z) - An Efficient Approach for Anomaly Detection in Traffic Videos [30.83924581439373]
本稿では,エッジデバイスで動作可能な映像異常検出システムのための効率的な手法を提案する。
提案手法は,シーンの変化を検出し,破損したフレームを除去するプリプロセッシングモジュールを含む。
また,新しいシーンに迅速に適応し,類似度統計量の変化を検出するシーケンシャルな変化検出アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-04-20T04:43:18Z) - A Graph Convolutional Network with Signal Phasing Information for
Arterial Traffic Prediction [63.470149585093665]
動脈交通予測は 現代のインテリジェント交通システムの発展に 重要な役割を担っています
動脈交通予測に関する既存の研究の多くは、ループセンサからの流量と占有率の時間的測定のみを考慮し、上流と下流の検出器間のリッチな空間的関係を無視している。
我々は,信号タイミング計画から発生する空間情報を用いて,深層学習アプローチである拡散畳み込みリカレントニューラルネットワークを強化することで,このギャップを埋める。
論文 参考訳(メタデータ) (2020-12-25T01:40:29Z) - Artificial Intelligence Enabled Traffic Monitoring System [3.085453921856008]
本稿では,深層畳み込みニューラルネットワークを用いたリアルタイム交通映像の自動監視手法を提案する。
提案システムは、さまざまなトラフィック監視ニーズを自動化するために、最先端のディープラーニングアルゴリズムをデプロイする。
論文 参考訳(メタデータ) (2020-10-02T22:28:02Z) - Unsupervised Domain Adaptation for Acoustic Scene Classification Using
Band-Wise Statistics Matching [69.24460241328521]
機械学習アルゴリズムは、トレーニング(ソース)とテスト(ターゲット)データの分散のミスマッチの影響を受けやすい。
本研究では,ターゲット領域音響シーンの各周波数帯域の1次及び2次サンプル統計値と,ソース領域学習データセットの1次と2次サンプル統計値との整合性を有する教師なし領域適応手法を提案する。
提案手法は,文献にみられる最先端の教師なし手法よりも,ソース・ドメインの分類精度とターゲット・ドメインの分類精度の両面で優れていることを示す。
論文 参考訳(メタデータ) (2020-04-30T23:56:05Z)
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。