論文の概要: An approach to improving sound-based vehicle speed estimation
- arxiv url: http://arxiv.org/abs/2204.05082v1
- Date: Fri, 8 Apr 2022 12:58:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-12 19:00:40.947157
- Title: An approach to improving sound-based vehicle speed estimation
- Title（参考訳）: 音に基づく車速推定法の改良の試み
- Authors: Nikola Bulatovic, Slobodan Djukanovic
- Abstract要約: 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。
- 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: We consider improving the performance of a recently proposed sound-based
vehicle speed estimation method. In the original method, an intermediate
feature, referred to as the modified attenuation (MA), has been proposed for
both vehicle detection and speed estimation. The MA feature maximizes at the
instant of the vehicle's closest point of approach, which represents a training
label extracted from video recording of the vehicle's pass by. In this paper,
we show that the original labeling approach is suboptimal and propose a method
for label correction. The method is tested on the VS10 dataset, which contains
304 audio-video recordings of ten different vehicles. The results show that the
proposed label correction method reduces average speed estimation error from
7.39 km/h to 6.92 km/h. If the speed is discretized into 10 km/h classes, the
accuracy of correct class prediction is improved from 53.2% to 53.8%, whereas
when tolerance of one class offset is allowed, accuracy is improved from 93.4%
to 94.3%.
- Abstract（参考訳）: 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。
本手法では, 車両検出と速度推定の両方において, 改良減衰 (MA) と呼ばれる中間特性が提案されている。
MA機能は、車両の最も近い接近地点の瞬間に最大化され、車両のパスのビデオ記録から抽出されたトレーニングラベルを表す。
本稿では,元のラベル付け手法が最適でないことを示すとともに,ラベル補正法を提案する。
この方法は、10台の異なる車両の304台のオーディオビデオ記録を含むvs10データセットでテストされている。
その結果,提案手法は平均速度推定誤差を7.39km/hから6.92km/hに低減することを示した。
速度を10km/hクラスに除算すると、正しいクラス予測の精度が53.2%から53.8%に向上し、1つのクラスオフセットの許容許容度が93.4%から94.3%に向上する。
関連論文リスト
- KAN-RCBEVDepth: A multi-modal fusion algorithm in object detection for autonomous driving [2.382388777981433]
本稿では, 自律走行における3次元物体検出の高速化を目的としたkan-RCBEVDepth法を提案する。
我々のユニークなBird’s Eye Viewベースのアプローチは、検出精度と効率を大幅に改善します。
コードはurlhttps://www.laitiamo.com/laitiamo/RCBEVDepth-KANでリリースされる。
論文 参考訳（メタデータ） (2024-08-04T16:54:49Z) - Predicting Overtakes in Trucks Using CAN Data [51.28632782308621]
CANデータからトラックの積載量の検出について検討する。
私たちの分析では、オーバーテイクイベントの最大10秒前をカバーしています。
我々は、オーバーテイク・トリガーに近づくと、オーバーテイク・クラスの予測スコアが増加する傾向にあることを観察する。
論文 参考訳（メタデータ） (2024-04-08T17:58:22Z) - A Comparative Analysis of Machine Learning Methods for Lane Change
Intention Recognition Using Vehicle Trajectory Data [0.0]
車線変更予測は、自動運転車が周囲の環境をよりよく理解し、潜在的な安全リスクを認識し、交通安全を改善するのに役立つ。
本稿では,LCプロセスに着目し,異なる機械学習手法の性能を比較し,高次元時系列データからLC意図を認識する。
LC意図認識では,分類精度の98%で,アンサンブル法はII型,III型の分類誤差の影響を低減している。
論文 参考訳（メタデータ） (2023-07-28T15:32:14Z) - StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。
本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。
本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文 参考訳（メタデータ） (2022-07-21T12:03:02Z) - Mel-spectrogram features for acoustic vehicle detection and speed
estimation [0.0]
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。
論文 参考訳（メタデータ） (2022-04-08T11:53:13Z) - 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) - 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) - End-to-End Semi-Supervised Object Detection with Soft Teacher [63.26266730447914]
本稿では,従来の複雑な多段階法とは対照的に,終端から終端までの半教師付き物体検出手法を提案する。
提案手法は, 種々のラベル付け比において, 従来手法よりも大きなマージンで性能を向上する。
最先端のSwin Transformerベースの物体検出器では、検出精度を+1.5 mAPで大幅に向上させることができる。
論文 参考訳（メタデータ） (2021-06-16T17:59:30Z) - Improving Auto-Augment via Augmentation-Wise Weight Sharing [123.71986174280741]
自動拡張検索の重要な要素は、特定の拡張ポリシーの評価プロセスである。
本稿では,モデルの強化トレーニングのダイナミクスについて検討する。
我々は,Augmentation-Wise Weight Sharing (AWS)に基づいて,高速かつ高精度な評価プロセスを構築するために,強力で効率的なプロキシタスクを設計する。
論文 参考訳（メタデータ） (2020-09-30T15:23:12Z) - Can Autonomous Vehicles Identify, Recover From, and Adapt to
Distribution Shifts? [104.04999499189402]
トレーニング外の配布(OOD)シナリオは、デプロイ時にエージェントを学ぶ上で一般的な課題である。
インプロバスト模倣計画(RIP)と呼ばれる不確実性を考慮した計画手法を提案する。
提案手法は,OODシーンにおける過信および破滅的な外挿を低減し,分布変化を検知し,回復することができる。
分散シフトを伴うタスク群に対する駆動エージェントのロバスト性を評価するために,自動走行車ノベルシーンベンチマークであるtexttCARNOVEL を導入する。
論文 参考訳（メタデータ） (2020-06-26T11:07:32Z)
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。