論文の概要: Mel-spectrogram features for acoustic vehicle detection and speed estimation

• arxiv url: http://arxiv.org/abs/2204.04013v1
• Date: Fri, 8 Apr 2022 11:53:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-11 14:02:59.730291
• Title: Mel-spectrogram features for acoustic vehicle detection and speed estimation
• Title（参考訳）: メルスペクトログラムを用いた音響車両検出と速度推定
• Authors: Nikola Bulatovic, Slobodan Djukanovic
• Abstract要約: 本論文は,単一センサ計測による音響車両の検出と速度推定について述べる。 入力音声のメル・スペクトログラムから予測されるクリップ車間距離を最小化することにより,車両のパスバイを瞬時に予測する。 メル・スペクトログラムに基づく機能は、中間機能を導入することなく、車両の速度推定に直接使用される。
• 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: The paper addresses acoustic vehicle detection and speed estimation from single sensor measurements. We predict the vehicle's pass-by instant by minimizing clipped vehicle-to-microphone distance, which is predicted from the mel-spectrogram of input audio, in a supervised learning approach. In addition, mel-spectrogram-based features are used directly for vehicle speed estimation, without introducing any intermediate features. The results show that the proposed features can be used for accurate vehicle detection and speed estimation, with an average error of 7.87 km/h. If we formulate speed estimation as a classification problem, with a 10 km/h discretization interval, the proposed method attains the average accuracy of 48.7% for correct class prediction and 91.0% when an offset of one class is allowed. The proposed method is evaluated on a dataset of 304 urban-environment on-field recordings of ten different vehicles.
• Abstract（参考訳）: 本稿では,単一センサによる音響車両の検出と速度推定について述べる。 制御学習手法を用いて,入力音声のメル・スペクトログラムから予測されるクリップ付き車間距離を最小化することにより,車両のパスバイを瞬時に予測する。 また, メル・スペクトログラムを用いた車速推定では, 中間機能を導入せずに直接使用することができる。 その結果,提案手法は,平均誤差7.87km/hの精度の高い車両検出と速度推定に利用できることがわかった。 分類問題として速度推定を定式化して10km/hの離散化間隔で定式化した場合,提案手法は,1クラスのオフセットが許容される場合の平均精度が48.7%,91.0%となる。 提案手法は、10台の異なる車両の都市環境記録を304のデータセットで評価した。

関連論文リスト

• Learning 3D Perception from Others' Predictions [64.09115694891679]
  本研究では,3次元物体検出装置を構築するための新たなシナリオについて検討する。 例えば、自動運転車が新しいエリアに入ると、その領域に最適化された検出器を持つ他の交通参加者から学ぶことができる。
  論文  参考訳（メタデータ） (2024-10-03T16:31:28Z)
• Automated Automotive Radar Calibration With Intelligent Vehicles [73.15674960230625]
  本稿では,自動車用レーダセンサの自動校正手法を提案する。 本手法では, 車両の外部改造を必要とせず, 自動走行車から得られる位置情報を利用する。 実地試験場からのデータを評価した結果,インフラセンサを自動で正確に校正できることが判明した。
  論文  参考訳（メタデータ） (2023-06-23T07:01:10Z)
• A dataset for audio-video based vehicle speed estimation [0.0]
  我々は、カメラを通り抜ける1台の車両の、走行中の音声録画のデータセットを、既知の速度で提示する。 データセットは完全に利用可能であり、オーディオビデオ車両の速度推定の研究を容易にするための公開ベンチマークとして意図されている。
  論文  参考訳（メタデータ） (2022-12-03T17:02:57Z)
• 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)
• Real-Time Wearable Gait Phase Segmentation For Running And Walking [1.8525902437585904]
  畳み込みニューラルネットワーク(CNN)に基づく分類タスクは、異なるテストケース下で各フェーズを正確に分類するために、時間遅延や重重なり合ったスライドウインドウの面倒な手作業を必要とする。 本稿では,6軸IMUセンサのみを用いたセグメンテーションに基づく歩行位相検出手法を提案する。 20Hzサンプリングレートデータに基づくモデルでは,揺動時間8.86ms,姿勢時間9.12ms,歩行位相検出96.44%,ストライド検出99.97%の誤差が得られる。
  論文  参考訳（メタデータ） (2022-05-10T04:43:34Z)
• An approach to improving sound-based vehicle speed estimation [0.0]
  本稿では,最近提案された音速推定法の性能改善について検討する。 この方法はVS10データセットでテストされ、10台の異なる車両の304のオーディオビデオが記録されている。
  論文  参考訳（メタデータ） (2022-04-08T12:58:35Z)
• Doppler velocity-based algorithm for Clustering and Velocity Estimation of moving objects [11.328509097182895]
  本稿では,FMCW LiDARの特性に基づくドップラー速度クラスタと速度推定アルゴリズムを提案する。 提案アルゴリズムは,少なくとも4.5万個の点を処理し,3600x CPUの演算パワーで毎秒150個の移動物体の速度を推定できることを示す。
  論文  参考訳（メタデータ） (2021-12-24T07:57:28Z)
• 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)
• 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)
• A Framework for Real-time Traffic Trajectory Tracking, Speed Estimation, and Driver Behavior Calibration at Urban Intersections Using Virtual Traffic Lanes [5.735035463793008]
  本稿では,VT-Laneを用いて得られた高精度な軌跡と移動分類を取り入れたケーススタディを提案する。 我々は、高度に計測された車両を用いて、ビデオ推論から得られた推定速度を検証する。 次に、推定速度を用いて、研究領域における車両の運転行動モデルのパラメータを校正する。
  論文  参考訳（メタデータ） (2021-06-18T06:15:53Z)
• A Graph Convolutional Network with Signal Phasing Information for Arterial Traffic Prediction [63.470149585093665]
  動脈交通予測は 現代のインテリジェント交通システムの発展に 重要な役割を担っています 動脈交通予測に関する既存の研究の多くは、ループセンサからの流量と占有率の時間的測定のみを考慮し、上流と下流の検出器間のリッチな空間的関係を無視している。 我々は,信号タイミング計画から発生する空間情報を用いて,深層学習アプローチである拡散畳み込みリカレントニューラルネットワークを強化することで,このギャップを埋める。
  論文  参考訳（メタデータ） (2020-12-25T01:40:29Z)

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。