Fugu-MT 論文翻訳(概要): VAE-iForest: Auto-encoding Reconstruction and Isolation-based Anomalies Detecting Fallen Objects on Road Surface

論文の概要: VAE-iForest: Auto-encoding Reconstruction and Isolation-based Anomalies Detecting Fallen Objects on Road Surface

arxiv url: http://arxiv.org/abs/2203.01193v1
Date: Wed, 2 Mar 2022 15:47:36 GMT
ステータス: 処理完了
システム内更新日: 2022-03-03 15:37:59.087624
Title: VAE-iForest: Auto-encoding Reconstruction and Isolation-based Anomalies Detecting Fallen Objects on Road Surface
Title（参考訳）: VAE-iForest:道路表面に落下物を検出する自動エンコード再構成と分離に基づく異常
Authors: Takato Yasuno, Junichiro Fujii, Riku Ogata, Masahiro Okano
Abstract要約: 道路監視においては,早期に道路表面の変化を検知し,第三者の被害を防止することが重要である。自動エンコード再構成と分離型異常検出を併用する手法の試作を行った。
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: In road monitoring, it is an important issue to detect changes in the road surface at an early stage to prevent damage to third parties. The target of the falling object may be a fallen tree due to the external force of a flood or an earthquake, and falling rocks from a slope. Generative deep learning is possible to flexibly detect anomalies of the falling objects on the road surface. We prototype a method that combines auto-encoding reconstruction and isolation-based anomaly detector in application for road surface monitoring. Actually, we apply our method to a set of test images that fallen objects is located on the raw inputs added with fallen stone and plywood, and that snow is covered on the winter road. Finally we mention the future works for practical purpose application.
Abstract（参考訳）: 道路監視においては, 早期に路面の変化を検知し, 第三者の被害を防止することが重要な課題である。落下対象物の標的は、洪水や地震の外部力や斜面からの岩の落下による倒木かもしれない。生成的深層学習は、路面上の落下物体の異常を柔軟に検出することができる。本研究では, 自動符号化と分離型異常検出器を組み合わせた道路表面モニタリング手法の試作を行った。本手法は,落石と合板を添加した原入力上に落雪物が配置され,冬道に雪が覆われていることを示す実験画像に適用する。最後に、実用目的のアプリケーションの将来について述べます。

関連論文リスト

HazardNet: Road Debris Detection by Augmentation of Synthetic Models [1.1750701213830141]
そこで本研究では,少数の合成モデルを用いて未確認の道路破片を検出するアルゴリズムを提案する。我々は、問題領域を道路上の一般的でないオブジェクトに制限し、深いニューラルネットワークであるHazardNetが道路の破片の意味を学べるようにします。
論文参考訳（メタデータ） (2023-03-14T00:30:24Z)
A Pre-study on Data Processing Pipelines for Roadside Object Detection Systems Towards Safer Road Infrastructure [1.9967512860886603]
単車事故はスウェーデンで最も一般的な事故である。本研究では,道路側オブジェクト検出のためのデータ処理パイプラインの実現可能性,実装,制限,スケールアップについて検討する。本報告の目的は、安全な道路インフラとスウェーデンのビジョンゼロに向けたスケーラブルな道路側物体検出システムの実装方法を検討することである。
論文参考訳（メタデータ） (2022-04-17T16:27:26Z)
LiDAR Snowfall Simulation for Robust 3D Object Detection [116.10039516404743]
そこで本研究では,降雪の影響をシミュレーションする物理的手法を提案する。本手法では,LiDARの各線に対して2次元空間の雪粒子をサンプリングし,誘導幾何を用いて各LiDAR線の測定を修正した。我々はシミュレーションを用いて、部分的に合成された雪のLiDARデータを生成し、これらのデータを利用して、降雪に頑健な3次元物体検出モデルを訓練する。
論文参考訳（メタデータ） (2022-03-28T21:48:26Z)
3D-VField: Learning to Adversarially Deform Point Clouds for Robust 3D Object Detection [111.32054128362427]
安全クリティカルな環境では、アウト・オブ・ディストリビューションとロングテールサンプルの堅牢性は、危険な問題を回避するのに不可欠である。トレーニング中の変形点雲を考慮した3次元物体検出器の領域外データへの一般化を著しく改善する。我々は、リアルに損傷を受けた稀な車の合成データセットであるCrashDを提案し、共有する。
論文参考訳（メタデータ） (2021-12-09T08:50:54Z)
Crack detection using tap-testing and machine learning techniques to prevent potential rockfall incidents [68.8204255655161]
本稿では,岩盤の自動探傷システムを提案する。ロボットは、岩面を何度も打ったり、タップしたりするのに使用される。音はロボットによって収集され、壊れやすい岩を識別する意図で分類される。
論文参考訳（メタデータ） (2021-10-10T22:53:36Z)
CP-loss: Connectivity-preserving Loss for Road Curb Detection in Autonomous Driving with Aerial Images [10.300623192980753]
自動走行には道路停止検知が重要である。現在の方法のほとんどは、カメラや3Dライダーなどの車両に搭載されたセンサーを使って、オンラインで道路の縁石を検出する。本稿では,高分解能空中画像を用いて道路の縁石をオフラインで検出する。
論文参考訳（メタデータ） (2021-07-26T01:36:58Z)
Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object Detection [55.12894776039135]
ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。 5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
論文参考訳（メタデータ） (2021-03-26T01:18:11Z)
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)
COLLIDE-PRED: Prediction of On-Road Collision From Surveillance Videos [0.0]
ビデオ中の衝突を予測するために, COLLIDE-PRED と呼ばれるエンドツーエンドの衝突予測システムを提案する。提案手法は,多数の異なるビデオを用いて実験的に検証され,事故の特定に有効であることが証明された。
論文参考訳（メタデータ） (2021-01-21T06:45:56Z)
Detecting Invisible People [58.49425715635312]
我々は,追跡ベンチマークを再利用し,目立たない物体を検出するための新しい指標を提案する。私たちは、現在の検出および追跡システムがこのタスクで劇的に悪化することを実証します。第2に,最先端の単眼深度推定ネットワークによる観測結果を用いて,3次元で明示的に推論する動的モデルを構築した。
論文参考訳（メタデータ） (2020-12-15T16:54:45Z)
Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
論文参考訳（メタデータ） (2020-02-28T00:24:18Z)

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。