論文の概要: Image-based Automatic Dial Meter Reading in Unconstrained Scenarios
- arxiv url: http://arxiv.org/abs/2201.02850v1
- Date: Sat, 8 Jan 2022 16:03:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-11 16:05:21.036317
- Title: Image-based Automatic Dial Meter Reading in Unconstrained Scenarios
- Title（参考訳）: 制約のないシナリオにおける画像ベース自動ダイヤル計測
- Authors: Gabriel Salomon, Rayson Laroca, David Menotti
- Abstract要約: 画像ベースの自動読み出しシステムは、ヒューマンエラーを低減し、読み出しの証明を作成し、顧客がモバイルアプリケーションを介して読み出しを行うことを可能にする。
従来のものと比べ、平均絶対誤差(MAE)は1,343から129に減少し、メーター認識率(MRR)は98.90%に達し、誤差は1キロワット時間(kWh)であった。
- 参考スコア（独自算出の注目度）: 2.271001539206408
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The replacement of analog meters with smart meters is costly, laborious, and
far from complete in developing countries. The Energy Company of Parana (Copel)
(Brazil) performs more than 4 million meter readings (almost entirely of
non-smart devices) per month, and we estimate that 850 thousand of them are
from dial meters. Therefore, an image-based automatic reading system can reduce
human errors, create a proof of reading, and enable the customers to perform
the reading themselves through a mobile application. We propose novel
approaches for Automatic Dial Meter Reading (ADMR) and introduce a new dataset
for ADMR in unconstrained scenarios, called UFPR-ADMR-v2. Our best-performing
method combines YOLOv4 with a novel regression approach (AngReg), and explores
several postprocessing techniques. Compared to previous works, it decreased the
Mean Absolute Error (MAE) from 1,343 to 129 and achieved a meter recognition
rate (MRR) of 98.90% -- with an error tolerance of 1 Kilowatt-hour (kWh).
- Abstract（参考訳）: アナログメーターをスマートメーターに置き換えるのは費用がかかり、手間がかかり、発展途上国では完成にはほど遠い。
the energy company of parana (copel) (brazil)は、毎月400万メートル以上(ほとんどがスマートデバイスではない)の読書を行い、そのうち8億5000万人がダイヤルメーターから来ていると推定している。
したがって、画像ベースの自動読み出しシステムは、ヒューマンエラーを低減し、読み出し証明を作成し、顧客自身がモバイルアプリケーションを通じて読み出しを行うことができる。
本稿では,ADMR(Automatic Dial Meter Reading)の新たなアプローチを提案し,制約のないシナリオにおいてADMRのための新しいデータセット(UFPR-ADMR-v2)を提案する。
提案手法は, YOLOv4と新しい回帰手法(AngReg)を組み合わせることで, いくつかのポストプロセッシング手法を探索する。
従来のものと比べ、平均絶対誤差(MAE)は1,343から129に減少し、メーター認識率(MRR)は98.90%に達し、誤差は1キロワット時間(kWh)であった。
関連論文リスト
- Model-based Optimization of Superconducting Qubit Readout [59.992881941624965]
超伝導量子ビットに対するモデルベース読み出し最適化を実証する。
我々は,残共振器光子から500nsの終端長と最小限の過剰リセット誤差で,キュービット当たり1.5%の誤差を観測した。
この技術は数百のキュービットに拡張でき、エラー訂正コードや短期アプリケーションの性能を高めるために使用される。
論文 参考訳（メタデータ） (2023-08-03T23:30:56Z) - Read Pointer Meters in complex environments based on a Human-like
Alignment and Recognition Algorithm [16.823681016882315]
これらの問題を克服するための人間ライクなアライメントと認識アルゴリズムを提案する。
STM(Spatial Transformed Module)は,画像のフロントビューを自己自律的に取得するために提案される。
VAM(Value Acquisition Module)は、エンドツーエンドのトレーニングフレームワークによって正確なメーター値を推測するために提案される。
論文 参考訳（メタデータ） (2023-02-28T05:37:04Z) - PATCorrect: Non-autoregressive Phoneme-augmented Transformer for ASR
Error Correction [0.9502148118198473]
単語誤り率(WER)を低減する新しい非自己回帰的(NAR)アプローチであるPATCorrectを提案する。
PATCorrectは、様々な上流ASRシステムにおいて、英語コーパスにおける最先端のNAR法より一貫して優れていることを示す。
論文 参考訳（メタデータ） (2023-02-10T04:05:24Z) - Alexa Teacher Model: Pretraining and Distilling Multi-Billion-Parameter
Encoders for Natural Language Understanding Systems [63.713297451300086]
本研究では,700Mから9.3Bまでの非埋め込みパラメータ数を持つ事前学習エンコーダの大規模実験結果について述べる。
その後、17M-170Mパラメータからより小さなモデルに蒸留し、仮想アシスタントシステムの自然言語理解(NLU)コンポーネントに応用した。
論文 参考訳（メタデータ） (2022-06-15T20:44:23Z) - Sequence-level self-learning with multiple hypotheses [53.04725240411895]
我々は、自動音声認識(ASR)のためのアテンションベースシーケンス・ツー・シーケンス(seq2seq)モデルを用いた新しい自己学習手法を開発した。
従来の教師なし学習手法とは対照的に,我々はEmphmulti-task Learning(MTL)フレームワークを採用する。
実験の結果,本手法は,英語データのみを用いてトレーニングしたベースラインモデルと比較して,英文音声データのWERを14.55%から10.36%に削減できることがわかった。
論文 参考訳（メタデータ） (2021-12-10T20:47:58Z) - NRC-GAMMA: Introducing a Novel Large Gas Meter Image Dataset [0.1529342790344802]
我々は, NRC-GAMMAデータセットという, 実時間ガスメータ画像のベンチマークデータセットを新たに導入した。
データは、2020年1月20日午前0時05分から午後11時59分にかけて、イトロン400Aのダイアフラムガスメータから収集された。
データセットには、ガスメーター全体の28,883枚の画像と、左右のダイヤルディスプレイの57,766枚の画像が含まれている。
論文 参考訳（メタデータ） (2021-11-12T17:18:38Z) - Finding a Balanced Degree of Automation for Summary Evaluation [83.08810773093882]
本稿では,フレキシブル・セミオートマチック・自動要約評価指標を提案する。
半自動 Lite2Pyramid は参照のための再利用可能な人間ラベル付き概要コンテンツユニット(SCU)を保持する
完全自動Lite3Pyramidは、自動的に抽出されたセマンティックトリプルトユニット(STU)をSCUに置き換える
論文 参考訳（メタデータ） (2021-09-23T17:12:35Z) - Towards Image-based Automatic Meter Reading in Unconstrained Scenarios:
A Robust and Efficient Approach [60.63996472100845]
本稿では,制約のないシナリオに着目したAMR(Automatic Meter Reading)のエンドツーエンドアプローチを提案する。
我々の主な貢献は、コーナー検出とカウンタ分類と呼ばれる新しいステージをAMRパイプラインに挿入することである。
信頼度が低い読みを拒絶した場合,AMRシステムは印象的な認識率(すなわち99%)を達成することを示す。
論文 参考訳（メタデータ） (2020-09-21T21:21:23Z) - Deep Learning for Image-based Automatic Dial Meter Reading: Dataset and
Baselines [2.271001539206408]
本研究は,マルチダイアルメータ読影に対する深層学習手法を導入し,制約のない画像の実験を行う。
ブラジルのParan'a (Copel) エネルギー会社は、月に85万回以上のダイヤルメーターを処理していると見積もっている。
論文 参考訳（メタデータ） (2020-05-06T19:48:23Z) - Improving Readability for Automatic Speech Recognition Transcription [50.86019112545596]
我々は、可読性のためのASRポストプロセッシング(APR)と呼ばれる新しいNLPタスクを提案する。
APRは、ノイズの多いASR出力を、話者の意味を保ちながら、人間や下流タスクのための読みやすいテキストに変換することを目的としている。
我々は,いくつかのオープンソースモデルと適応型事前学習モデルに基づく微調整モデルと,従来のパイプライン手法との比較を行った。
論文 参考訳（メタデータ） (2020-04-09T09:26:42Z)
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。