論文の概要: espiownage: Tracking Transients in Steelpan Drum Strikes Using
Surveillance Technology
- arxiv url: http://arxiv.org/abs/2110.12261v1
- Date: Sat, 23 Oct 2021 17:10:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-31 21:05:54.481554
- Title: espiownage: Tracking Transients in Steelpan Drum Strikes Using
Surveillance Technology
- Title(参考訳): espiownage:監視技術を用いたスチールパンドラムストライクのトランジェント追跡
- Authors: Scott H. Hawley, Andrew C. Morrison, and Grant S. Morgan
- Abstract要約: 電子スペックルパターン干渉計(ESPI)で照らされたカリブ海製スチールパンドラムの高速ビデオにおける特徴追跡機能の改善について述べる。
これは、オブジェクト検出とイメージセグメンテーションのための最新のコンピュータビジョンライブラリの使用と、このアプリケーションのシステムのトレーニングに使用されていたデータセットのクリーニングによって実現されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present an improvement in the ability to meaningfully track features in
high speed videos of Caribbean steelpan drums illuminated by Electronic Speckle
Pattern Interferometry (ESPI). This is achieved through the use of up-to-date
computer vision libraries for object detection and image segmentation as well
as a significant effort toward cleaning the dataset previously used to train
systems for this application. Besides improvements on previous metric scores by
10% or more, noteworthy in this project are the introduction of a
segmentation-regression map for the entire drum surface yielding interference
fringe counts comparable to those obtained via object detection, as well as the
accelerated workflow for coordinating the data-cleaning-and-model-training
feedback loop for rapid iteration allowing this project to be conducted on a
timescale of only 18 days.
- Abstract(参考訳): 電子スペックルパターン干渉法(ESPI)により照明されたカリブ海製スチールパンドラムの高速映像の特徴を有意に追跡する能力の向上について述べる。
これは、オブジェクト検出とイメージセグメンテーションのための最新のコンピュータビジョンライブラリの使用と、このアプリケーションのシステムのトレーニングに使用されていたデータセットのクリーニングによって実現されている。
従来の測定値の10%以上の改善に加えて、このプロジェクトで注目されるのは、オブジェクト検出によって得られたものと同等の干渉率を得るドラム表面全体に対するセグメンテーション・レグレッション・マップの導入と、このプロジェクトを18日間のタイムスケールで実施可能な、迅速な反復のためのデータクリーニング・アンド・モデルトレーニングフィードバックループをコーディネートするためのアクセラレーションワークフローの導入である。
関連論文リスト
- Cross-Cluster Shifting for Efficient and Effective 3D Object Detection
in Autonomous Driving [69.20604395205248]
本稿では,自律運転における3次元物体検出のための3次元点検出モデルであるShift-SSDを提案する。
我々は、ポイントベース検出器の表現能力を解き放つために、興味深いクロスクラスタシフト操作を導入する。
我々は、KITTI、ランタイム、nuScenesデータセットに関する広範な実験を行い、Shift-SSDの最先端性能を実証した。
論文 参考訳(メタデータ) (2024-03-10T10:36:32Z) - LEAP-VO: Long-term Effective Any Point Tracking for Visual Odometry [56.95046107046027]
本稿では,LEAP(Long-term Effective Any Point Tracking)モジュールについて述べる。
LEAPは、動的トラック推定のために、視覚的、トラック間、時間的キューと慎重に選択されたアンカーを革新的に組み合わせている。
これらの特徴に基づき,強靭な視力計測システムLEAP-VOを開発した。
論文 参考訳(メタデータ) (2024-01-03T18:57:27Z) - EV-Catcher: High-Speed Object Catching Using Low-latency Event-based
Neural Networks [107.62975594230687]
イベントカメラが優れており、高速移動物体の衝突位置を正確に推定するアプリケーションを実証する。
イベントデータを低レイテンシでエンコードするために,Binary Event History Image(BEHI)と呼ばれる軽量なイベント表現を導入する。
計算制約のある組込みプラットフォーム上でも最大13m/sの速さで, 異なる場所をターゲットとした球のキャッチにおいて, 81%の成功率を達成することができることを示す。
論文 参考訳(メタデータ) (2023-04-14T15:23:28Z) - Real Time Monocular Vehicle Velocity Estimation using Synthetic Data [78.85123603488664]
移動車に搭載されたカメラから車両の速度を推定する問題を考察する。
そこで本研究では,まずオフ・ザ・シェルフ・トラッカーを用いて車両バウンディングボックスを抽出し,その後,小型ニューラルネットワークを用いて車両速度を回帰する2段階のアプローチを提案する。
論文 参考訳(メタデータ) (2021-09-16T13:10:27Z) - Self-supervised Audiovisual Representation Learning for Remote Sensing
Data [70.64030011999981]
遠隔センシングにおける深層ニューラルネットワークの事前学習のための自己教師型アプローチを提案する。
ジオタグ付きオーディオ記録とリモートセンシングの対応を利用して、これは完全にラベルなしの方法で行われる。
提案手法は,既存のリモートセンシング画像の事前学習方法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-08-02T07:50:50Z) - Predictive Visual Tracking: A New Benchmark and Baseline Approach [27.87099869398515]
実世界のシナリオでは、画像ストリームのオンボード処理時間が必然的に追跡結果と実世界の状態との間に不一致をもたらす。
既存のビジュアルトラッキングベンチマークは、一般的にトラッカーをオフラインで実行し、評価においてそのような遅延を無視する。
本研究は,より現実的な遅延認識トラッキング問題に対処することを目的としている。
論文 参考訳(メタデータ) (2021-03-08T01:50:05Z) - RSINet: Rotation-Scale Invariant Network for Online Visual Tracking [7.186849714896344]
ほとんどのネットワークベースのトラッカーは、モデル更新なしで追跡処理を行い、ターゲット固有の変動を適応的に学習することができない。
本稿では、上記の問題に対処する新しい回転スケール不変ネットワーク(RSINet)を提案する。
我々のRSINetトラッカーは、ターゲット・ディトラクタ識別部とローテーション・スケール推定部から構成されており、ローテーションとスケールの知識は、エンドツーエンドでマルチタスク学習法によって明示的に学習することができる。
追加で、追跡モデルは適応的に最適化され、時空間エネルギー制御が更新され、モデル安定性と信頼性が保証され、高いトラッキングが保証される。
論文 参考訳(メタデータ) (2020-11-18T08:19:14Z) - Faster object tracking pipeline for real time tracking [0.0]
マルチオブジェクトトラッキング(MOT)は、視覚ベースのアプリケーションにとって難しい実践的問題である。
本稿では,検出に基づく物体追跡手法の高速化に有効な汎用パイプラインについて紹介する。
論文 参考訳(メタデータ) (2020-11-08T06:33:48Z) - PnPNet: End-to-End Perception and Prediction with Tracking in the Loop [82.97006521937101]
我々は、自動運転車の文脈において、共同認識と運動予測の問題に取り組む。
我々は,入力センサデータとしてエンド・ツー・エンドのモデルであるNetを提案し,各ステップのオブジェクト追跡とその将来レベルを出力する。
論文 参考訳(メタデータ) (2020-05-29T17:57:25Z) - Streaming Object Detection for 3-D Point Clouds [29.465873948076766]
LiDARは、多くの既存の知覚システムに通知する顕著な感覚モダリティを提供する。
ポイントクラウドデータに基づく知覚システムのレイテンシは、完全なローテーションスキャンの時間量によって支配される。
我々は、LiDARデータをそのネイティブストリーミング定式化で操作することで、自動運転オブジェクト検出にいくつかの利点があることを示す。
論文 参考訳(メタデータ) (2020-05-04T21:55:15Z) - Applications of shapelet transform to time series classification of
earthquake, wind and wave data [0.0]
「シェープレット変換」は時系列列の形状の局所的類似性に基づく。
理解可能な特徴と透過的なアルゴリズムを備えた「ホワイトボックス」機械学習モデルを提案する。
モデルはドメインの実践者の介入なしにイベント検出を自動化する。
論文 参考訳(メタデータ) (2020-04-22T10:17:24Z)
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。