論文の概要: Data Fusion for Deep Learning on Transport Mode Detection: A Case Study

• arxiv url: http://arxiv.org/abs/2106.05876v1
• Date: Mon, 31 May 2021 08:35:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-15 14:01:01.365544
• Title: Data Fusion for Deep Learning on Transport Mode Detection: A Case Study
• Title（参考訳）: 交通モード検出における深層学習のためのデータ融合
• Authors: Hugues Moreau and Andr\'ea Vassilev and Liming Chen
• Abstract要約: トランスポートモード検出では,センサや前処理,使用するモデルなど,さまざまな手法が選択されている。 この領域では、各選択肢の比較は必ずしも完全とは限らない。 パブリックな実生活データセットの実験は、データフュージョンメソッドに特に重点を置いて、選択された各選択を慎重に評価するために導かれる。
• 参考スコア（独自算出の注目度）: 3.008051369744002
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In Transport Mode Detection, a great diversity of methodologies exist according to the choice made on sensors, preprocessing, model used, etc. In this domain, the comparisons between each option are not always complete. Experiments on a public, real-life dataset are led here to evaluate carefully each of the choices that were made, with a specific emphasis on data fusion methods. Our most surprising finding is that none of the methods we implemented from the literature is better than a simple late fusion. Two important decisions are the choice of a sensor and the choice of a representation for the data: we found that using 2D convolutions on spectrograms with a logarithmic axis for the frequencies was better than 1-dimensional temporal representations.
• Abstract（参考訳）: トランスポートモード検出では,センサの選択や前処理,使用するモデルなどによって,さまざまな方法論が存在する。 この領域では、各選択肢の比較は必ずしも完全ではない。 パブリックな実生活データセットの実験は、データフュージョンメソッドに特に重点を置いて、選択された各選択を慎重に評価するために導かれる。 我々の最も驚くべき発見は、我々が文献から実装した方法が、単純な後期融合よりも良いものではないことである。 2つの重要な決定は、センサの選択とデータの表現の選択である: 周波数の対数軸を持つスペクトログラムの2次元畳み込みは、1次元の時間表現よりも優れていることがわかった。

関連論文リスト

• Towards Free Data Selection with General-Purpose Models [71.92151210413374]
  望ましいデータ選択アルゴリズムは、限られたアノテーション予算の有用性を最大化するために、最も情報性の高いサンプルを効率的に選択することができる。 アクティブな学習手法で表現された現在のアプローチは、通常、時間を要するモデルのトレーニングとバッチデータ選択を繰り返し繰り返す、面倒なパイプラインに従う。 FreeSelは重いバッチ選択プロセスをバイパスし、効率を大幅に改善し、既存のアクティブラーニングメソッドよりも530倍高速である。
  論文  参考訳（メタデータ） (2023-09-29T15:50:14Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• When Super-Resolution Meets Camouflaged Object Detection: A Comparison Study [135.19004496785408]
  Super Resolution (SR) と Camouflaged Object Detection (COD) は、コンピュータビジョンにおける様々なジョイントアプリケーションとのホットトピックである。 我々は、一般的なCODデータセット上で異なる超解像法をベンチマークする。 SR法により処理されたCODデータを用いて,異なるCODモデルのロバスト性を評価する。
  論文  参考訳（メタデータ） (2023-08-08T16:17:46Z)
• Manifold Learning with Sparse Regularised Optimal Transport [0.17205106391379024]
  実世界のデータセットはノイズの多い観測とサンプリングを受けており、基礎となる多様体に関する情報を蒸留することが大きな課題である。 本稿では,2次正規化を用いた最適輸送の対称版を利用する多様体学習法を提案する。 得られたカーネルは連続的な極限においてLaplace型演算子と整合性を証明し、ヘテロスケダスティックノイズに対する堅牢性を確立し、これらの結果をシミュレーションで示す。
  論文  参考訳（メタデータ） (2023-07-19T08:05:46Z)
• Shared Manifold Learning Using a Triplet Network for Multiple Sensor Translation and Fusion with Missing Data [2.452410403088629]
  コントラスト学習に基づくマルチモーダルアライメントネットワーク(CoMMANet)を提案する。 提案アーキテクチャでは,マルチモーダルな三重項オートエンコーダを用いて,各不均一なモジュラリティの同一クラスのサンプルが互いに近接してマッピングされるように潜在空間をクラスタリングする。
  論文  参考訳（メタデータ） (2022-10-25T20:22:09Z)
• Benchmarking the Robustness of LiDAR-Camera Fusion for 3D Object Detection [58.81316192862618]
  自律運転における3D知覚のための2つの重要なセンサーは、カメラとLiDARである。 これら2つのモダリティを融合させることで、3次元知覚モデルの性能を大幅に向上させることができる。 我々は、最先端の核融合法を初めてベンチマークした。
  論文  参考訳（メタデータ） (2022-05-30T09:35:37Z)
• Optimal Data Selection: An Online Distributed View [61.31708750038692]
  この問題のオンライン版と分散版のアルゴリズムを開発する。 ランダム選択法は, ランダム選択法よりも5～20%高い性能を示した。 ImageNet と MNIST の学習タスクにおいて、我々の選択方法はランダム選択よりも5-20% 高い性能を示した。
  論文  参考訳（メタデータ） (2022-01-25T18:56:16Z)
• Time Series Data Mining Algorithms Towards Scalable and Real-Time Behavior Monitoring [1.0878040851638]
  センサから収集した弱いラベル付き時系列データにおいて,形状と特徴量の両方を用いて行動の分類を行うハイブリッドアルゴリズムを提案する。 我々のアルゴリズムは,形状と特徴の組み合わせに基づいて,実・雑音・複雑なデータセットを頑健に分類できることを実証する。
  論文  参考訳（メタデータ） (2021-12-26T11:13:52Z)
• A concise method for feature selection via normalized frequencies [0.0]
  本稿では,普遍的特徴選択のための簡潔な手法を提案する。 提案手法は, フィルタ法とラッパー法を融合して行う。 評価結果から,提案手法は,精度,精度,リコール,Fスコア,AUCの点で,いくつかの最先端技術に優れた性能を示した。
  論文  参考訳（メタデータ） (2021-06-10T15:29:54Z)
• 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)

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。