論文の概要: Efficient Non-Compression Auto-Encoder for Driving Noise-based Road
Surface Anomaly Detection
- arxiv url: http://arxiv.org/abs/2111.10985v1
- Date: Mon, 22 Nov 2021 04:59:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-23 17:24:52.392051
- Title: Efficient Non-Compression Auto-Encoder for Driving Noise-based Road
Surface Anomaly Detection
- Title(参考訳): 騒音による路面異常検出のための高効率非圧縮オートエンコーダ
- Authors: YeongHyeon Park and JongHee Jung
- Abstract要約: 本稿では,より少ない計算資源と高い異常検出性能を実現するために,畳み込み型自動エンコーダを用いた異常検出モデルを提案する。
その結果、従来のモデルに比べてニューラルネットワークの計算コストは最大1/25に削減され、異常検出性能は最大7.72%向上した。
- 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: Wet weather makes water film over the road and that film causes lower
friction between tire and road surface. When a vehicle passes the low-friction
road, the accident can occur up to 35% higher frequency than a normal condition
road. In order to prevent accidents as above, identifying the road condition in
real-time is essential. Thus, we propose a convolutional auto-encoder-based
anomaly detection model for taking both less computational resources and
achieving higher anomaly detection performance. The proposed model adopts a
non-compression method rather than a conventional bottleneck structured
auto-encoder. As a result, the computational cost of the neural network is
reduced up to 1 over 25 compared to the conventional models and the anomaly
detection performance is improved by up to 7.72%. Thus, we conclude the
proposed model as a cutting-edge algorithm for real-time anomaly detection.
- Abstract(参考訳): 湿った天候は道路上の水膜を作り、そのフィルムはタイヤと路面の間の摩擦を低下させる。
車両が低圧道路を通過すると、事故は通常の条件道路よりも最大35%の頻度で発生する。
上記のような事故を防止するためには,道路状況のリアルタイム識別が不可欠である。
そこで本稿では,計算資源の削減と異常検出性能の向上を両立させる畳み込み型自動エンコーダによる異常検出モデルを提案する。
提案モデルは,従来のボトルネック構造化オートエンコーダではなく,非圧縮方式を採用する。
その結果、従来のモデルに比べてニューラルネットワークの計算コストは最大1/25に削減され、異常検出性能は最大7.72%向上した。
そこで我々は,提案手法をリアルタイム異常検出のための最先端アルゴリズムとして結論づける。
関連論文リスト
- Fast Particle-based Anomaly Detection Algorithm with Variational
Autoencoder [1.658130005539979]
本研究では,粒子ベース変分オートエンコーダ(VAE)の異常検出アルゴリズムであるSet-VAEを提案する。
従来のサブジェティネスに基づくジェット選択と比較して2倍の信号効率向上を示す。
システムトリガの今後の展開に注目して,異常検出の推論時間コストを削減するCLIP-VAEを提案する。
論文 参考訳(メタデータ) (2023-11-28T19:00:29Z) - Self-Distilled Masked Auto-Encoders are Efficient Video Anomaly
Detectors [117.61449210940955]
ビデオフレームレベルで適用された軽量マスク付きオートエンコーダ(AE)に基づく効率的な異常事象検出モデルを提案する。
動き勾配に基づく重みトークンへのアプローチを導入し、静的背景シーンから前景オブジェクトへ焦点を移す。
トレーニングビデオの強化のために合成異常事象を生成し,マスク付きAEモデルを用いてオリジナルのフレームを共同で再構築する。
論文 参考訳(メタデータ) (2023-06-21T06:18:05Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳(メタデータ) (2022-10-21T07:25:57Z) - Frequency of Interest-based Noise Attenuation Method to Improve Anomaly
Detection Performance [0.0]
本研究では,風騒音などの余分な騒音によるイベント抽出の精度向上手法を提案する。
本手法は,異常検出性能を平均8.506%向上させながら,精度の高いイベント抽出を可能にする。
論文 参考訳(メタデータ) (2022-10-20T07:42:33Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳(メタデータ) (2022-08-31T18:19:25Z) - Noise Reduction and Driving Event Extraction Method for Performance
Improvement on Driving Noise-based Surface Anomaly Detection [0.0]
雨水や黒い氷などの路面上の異物はタイヤと表面の間の摩擦を減少させる。
本稿では,計算効率と異常検出性能を向上させるための簡易な駆動イベント抽出法とノイズ低減法を提案する。
論文 参考訳(メタデータ) (2021-12-14T07:50:30Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳(メタデータ) (2021-07-14T21:10:47Z) - 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) - Non-Compression Auto-Encoder for Detecting Road Surface Abnormality via
Vehicle Driving Noise [0.0]
道路事故は、滑走抵抗を減少させるため、濡れた道路によって引き起こされることがある。
道路事故を防ぐために、路面異常を検出することができます。
非圧縮オートエンコーダ(NCAE)を用いたディープラーニングに基づくコスト効率の高いリアルタイム異常検出アーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-03-24T05:13:50Z) - Robust Unsupervised Video Anomaly Detection by Multi-Path Frame
Prediction [61.17654438176999]
本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。
提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
論文 参考訳(メタデータ) (2020-11-05T11:34:12Z) - OctSqueeze: Octree-Structured Entropy Model for LiDAR Compression [77.8842824702423]
本稿では,LiDAR点雲のメモリフットプリントを削減するための新しいディープ圧縮アルゴリズムを提案する。
本手法は,メモリフットプリントを低減するために,点間の間隔と構造的冗長性を利用する。
我々のアルゴリズムは、自動運転車などのアプリケーションにおいて、LiDARポイントのオンボードおよびオフボードストレージを減らすために使用できる。
論文 参考訳(メタデータ) (2020-05-14T17:48:49Z)
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。