論文の概要: A Dataset of Images of Public Streetlights with Operational Monitoring
using Computer Vision Techniques
- arxiv url: http://arxiv.org/abs/2203.16915v2
- Date: Fri, 1 Apr 2022 14:30:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-04 11:37:39.364561
- Title: A Dataset of Images of Public Streetlights with Operational Monitoring
using Computer Vision Techniques
- Title（参考訳）: コンピュータビジョンを用いた運転モニタリングによる公共街灯画像のデータセット
- Authors: Ioannis Mavromatis and Aleksandar Stanoev and Pietro Carnelli and
Yichao Jin and Mahesh Sooriyabandara and Aftab Khan
- Abstract要約: データセットは、英国のサウスグロスターシャー地方に設置された140のUMBRELLAノードから撮影された$sim350textrmk$イメージで構成されている。
このデータセットは、ディープニューラルネットワークのトレーニングや、スマートシティCCTVアプリケーション、スマート気象検出アルゴリズム、ストリートインフラストラクチャ監視のためのトレーニング済みモデル生成に使用することができる。
- 参考スコア（独自算出の注目度）: 56.838577982762956
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A dataset of street light images is presented. Our dataset consists of
$\sim350\textrm{k}$ images, taken from 140 UMBRELLA nodes installed in the
South Gloucestershire region in the UK. Each UMBRELLA node is installed on the
pole of a lamppost and is equipped with a Raspberry Pi Camera Module v1 facing
upwards towards the sky and lamppost light bulb. Each node collects an image at
hourly intervals for 24h every day. The data collection spans for a period of
six months.
Each image taken is logged as a single entry in the dataset along with the
Global Positioning System (GPS) coordinates of the lamppost. All entries in the
dataset have been post-processed and labelled based on the operation of the
lamppost, i.e., whether the lamppost is switched ON or OFF. The dataset can be
used to train deep neural networks and generate pre-trained models providing
feature representations for smart city CCTV applications, smart weather
detection algorithms, or street infrastructure monitoring. The dataset can be
found at \url{https://doi.org/10.5281/zenodo.6046758}.
- Abstract（参考訳）: 街路灯画像のデータセットが提示される。
私たちのデータセットは、英国のサウスグロスターシャーに設置された140のUMBRELLAノードから撮影された$\sim350\textrm{k}$イメージで構成されています。
各UMBRELLAノードは、街灯柱の極に設置され、空に向かって上向きに向いたRaspberry Pi Camera Module v1と街灯灯電球を備える。
各ノードは、毎日24時間、時間間隔で画像を収集する。
データ収集期間は6ヶ月である。
各画像は、ランプポストのグローバル測位システム(GPS)座標とともに、データセット内の単一のエントリとして記録される。
データセットの全てのエントリは、ランプポストの操作、すなわちランプポストがオンかオフかに基づいて後処理されラベル付けされている。
このデータセットは、ディープニューラルネットワークのトレーニングや、スマートシティCCTVアプリケーション、スマート気象検出アルゴリズム、ストリートインフラストラクチャ監視のための機能表現を提供する事前トレーニングされたモデル生成に使用することができる。
データセットは \url{https://doi.org/10.5281/zenodo.6046758} にある。
関連論文リスト
- Comprehensive Dataset for Urban Streetlight Analysis [0.0]
この記事では、インドの大通りからシステマティックに撮影された800点以上の高解像度の街灯画像を包括的に収集する。
各画像はバイナリクラスラベルに基づいてラベル付けされ、ディレクトリにグループ化されている。
論文 参考訳（メタデータ） (2024-07-01T09:26:30Z) - GeoCLIP: Clip-Inspired Alignment between Locations and Images for
Effective Worldwide Geo-localization [61.10806364001535]
世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。
既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。
画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
論文 参考訳（メタデータ） (2023-09-27T20:54:56Z) - The LuViRA Dataset: Synchronized Vision, Radio, and Audio Sensors for Indoor Localization [41.58739817444644]
データセットには、カラー画像、対応する深度マップ、慣性測定ユニット(IMU)読み取り、5Gの大規模マルチインプットとMIMO(Multiple-output)テストベッドとユーザ機器のチャネル応答が含まれる。
これらのセンサーを同期させて、すべてのデータが同時に記録されるようにします。
このデータセットの主な目的は、ローカライゼーションタスクに最もよく使用されるセンサーとのセンサー融合の研究を可能にすることである。
論文 参考訳（メタデータ） (2023-02-10T15:12:40Z) - HPointLoc: Point-based Indoor Place Recognition using Synthetic RGB-D
Images [58.720142291102135]
本稿では,屋内環境における視覚的位置認識能力の探索を目的とした,HPointLocという新しいデータセットを提案する。
データセットは人気のあるHabitatシミュレータに基づいており、独自のセンサーデータとオープンデータセットの両方を使用して屋内シーンを生成することができる。
論文 参考訳（メタデータ） (2022-12-30T12:20:56Z) - CVLNet: Cross-View Semantic Correspondence Learning for Video-based
Camera Localization [89.69214577915959]
本稿では,クロスビューカメラのローカライゼーション問題に対処する。
本稿では、類似性マッチングの前に、問合せカメラの衛星画像に対する相対変位を推定する。
実験は、単一の画像に基づく位置決めよりもビデオベースの位置決めの有効性を実証した。
論文 参考訳（メタデータ） (2022-08-07T07:35:17Z) - Danish Airs and Grounds: A Dataset for Aerial-to-Street-Level Place
Recognition and Localization [9.834635805575584]
我々は,この事例を対象とする道路や航空画像の大規模な収集であるemphDanish Airs and Groundsデータセットにコントリビュートする。
データセットは、都市部、郊外部、農村部で50km以上の道路を含む、現在利用可能なデータよりも大きく、多様である。
そこで本研究では,まず空中画像から高密度な3次元再構成を推定し,検索したストリートレベルの画像と3次元モデルのストリートレベルのレンダリングをマッチングするマップ・ツー・イメージ再配置パイプラインを提案する。
論文 参考訳（メタデータ） (2022-02-03T19:58:09Z) - A Machine-Learning-Ready Dataset Prepared from the Solar and
Heliospheric Observatory Mission [0.0]
太陽画像から標準データセットを生成するためのPythonツールを提案する。
我々のツールは、SoHO(Solar and Heliospheric Observatory)とSolar Dynamics Observatory(Solar Dynamics Observatory)の両方のミッションから得られるすべての画像製品で動作する。
論文 参考訳（メタデータ） (2021-08-04T21:23:29Z) - Spatially-Varying Outdoor Lighting Estimation from Intrinsics [66.04683041837784]
本稿では,空間変動型屋外照明推定のためのニューラルネットワークSOLID-Netを提案する。
グローバルスカイ環境マップとワープ画像情報を組み合わせて,空間変動する局所照明環境マップを生成する。
合成データセットと実データセットの両方の実験は、SOLID-Netが以前の方法を大幅に上回っていることを示しています。
論文 参考訳（メタデータ） (2021-04-09T02:28:54Z) - PixSet : An Opportunity for 3D Computer Vision to Go Beyond Point Clouds
With a Full-Waveform LiDAR Dataset [0.11726720776908521]
Leddar PixSetは、自動運転研究開発のための新しい公開データセット(dataset.leddartech.com)である。
ピクセットデータセットは、高密度の都市部で記録された97のシーケンスから約29kフレームを含む。
論文 参考訳（メタデータ） (2021-02-24T01:13:17Z) - Speak2Label: Using Domain Knowledge for Creating a Large Scale Driver
Gaze Zone Estimation Dataset [55.391532084304494]
ワイルド・データセットのドライバ・ゲイズには、夕方を含む1日の異なる時間に撮影された586の録音が含まれている。
ワイルド・データセットのドライバ・ゲイズには338人の被験者がおり、年齢は18-63歳である。
論文 参考訳（メタデータ） (2020-04-13T14:47:34Z)
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。