論文の概要: Classification of electromagnetic interference induced image noise in an analog video link

• arxiv url: http://arxiv.org/abs/2208.04614v1
• Date: Tue, 9 Aug 2022 09:13:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-10 12:46:02.622391
• Title: Classification of electromagnetic interference induced image noise in an analog video link
• Title（参考訳）: アナログビデオリンクにおける電磁干渉誘起画像ノイズの分類
• Authors: Anthony Purcell and Ciar\'an Eising
• Abstract要約: 本稿では、EMIコンプライアンステストから抽出した映像コンテンツを分析・評価するディープラーニングモデルを用いたソリューションを提案する。 これらのモデルは、実際のテスト画像データから完全に構築されたデータセットを使用してトレーニングされ、結果のモデル(s)の精度が最大化される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: With the ever-increasing electrification of the vehicle showing no sign of retreating, electronic systems deployed in automotive applications are subject to more stringent Electromagnetic Immunity compliance constraints than ever before, to ensure the proximity of nearby electronic systems will not affect their operation. The EMI compliance testing of an analog camera link requires video quality to be monitored and assessed to validate such compliance, which up to now, has been a manual task. Due to the nature of human interpretation, this is open to inconsistency. Here, we propose a solution using deep learning models that analyse, and grade video content derived from an EMI compliance test. These models are trained using a dataset built entirely from real test image data to ensure the accuracy of the resultant model(s) is maximised. Starting with the standard AlexNet, we propose four models to classify the EMI noise level
• Abstract（参考訳）: 車両の電気化は、撤退の兆しを示さないため、自動車アプリケーションに配備された電子システムは、近くの電子システムの近接が動作に影響を与えないように、これまで以上に厳しい電磁免疫コンプライアンスの制約を受ける。 アナログカメラリンクのEMIコンプライアンステストでは、このようなコンプライアンスを検証するためにビデオ品質を監視および評価する必要がある。 人間の解釈の性質から、これは矛盾の余地がある。 本稿では、EMIコンプライアンステストから得られたビデオコンテンツを分析・評価するディープラーニングモデルを用いたソリューションを提案する。 これらのモデルは、実際のテスト画像データから完全に構築されたデータセットを使用してトレーニングされ、結果のモデル(s)の精度が最大になる。 標準AlexNetから、EMIノイズレベルを分類する4つのモデルを提案する。

関連論文リスト

• NMformer: A Transformer for Noisy Modulation Classification in Wireless Communication [19.225546116534165]
  無線通信におけるノイズレベルの異なるチャネル変調画像を予測するために,NMformerという視覚変換器(ViT)モデルを提案する。 VTはRGB画像に最も有効であるため、変調信号から星座図を生成する。 提案モデルには,2種類の予測設定(分布内と分布外)がある。
  論文  参考訳（メタデータ） (2024-10-30T21:10:12Z)
• A Computational Harmonic Detection Algorithm to Detect Data Leakage through EM Emanation [0.08192907805418582]
  EMエマニュエーション(EMエマニュエーション)として知られる電子機器からの意図しない電磁放射は、重大なセキュリティリスクを引き起こす。 防衛組織は通常、データ漏洩を防ぐために金属遮蔽を使用するが、このアプローチはコストが高く、広く使われるには実用的ではない。 本稿では,高調波検出装置の開発による高調波検出手法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T14:40:15Z)
• Deep-TEMPEST: Using Deep Learning to Eavesdrop on HDMI from its Unintended Electromagnetic Emanations [0.34952465649465553]
  本稿では,ケーブルやコネクタから無意識に放出される電磁波を分析して,デジタルビデオディスプレイの盗聴問題に対処する。 アナログケース(VGA)と比較して、デジタルケースは10ビットの符号化により、観測された信号と画素の強度の間の帯域幅と非線形マッピングがはるかに大きくなるため、難しい。 提案手法は、問題を逆問題として再キャストし、深層学習モジュールを訓練し、観測された電磁波を表示された画像にマッピングする。
  論文  参考訳（メタデータ） (2024-07-12T23:07:37Z)
• Analysis of Impulsive Interference in Digital Audio Broadcasting Systems in Electric Vehicles [2.056630504912993]
  電気自動車(EV)のインパルス干渉は、無線デジタル伝送システムを劣化させる。 本稿では,我々のEVテストベッドから記録したデータを用いて,デジタルオーディオ放送帯域におけるインパルス干渉を解析する。 以上の結果から, インパルスイベントは連続した受信信号サンプルにまたがり, バースト特性を示すことがわかった。
  論文  参考訳（メタデータ） (2024-05-17T14:48:37Z)
• Noisy Pair Corrector for Dense Retrieval [59.312376423104055]
  ノイズペアコレクタ(NPC)と呼ばれる新しい手法を提案する。 NPCは検出モジュールと修正モジュールから構成される。 我々は,テキスト検索ベンチマークのNatural QuestionとTriviaQA,コード検索ベンチマークのStaQCとSO-DSで実験を行った。
  論文  参考訳（メタデータ） (2023-11-07T08:27:14Z)
• Predictive Maintenance Model Based on Anomaly Detection in Induction Motors: A Machine Learning Approach Using Real-Time IoT Data [0.0]
  本研究では,ポンプ,圧縮機,ファン,その他の産業機械で使用される誘導電動機の異常検出システムについて紹介する。 我々は、計算コストの低い前処理技術と機械学習(ML)モデルの組み合わせを用いる。
  論文  参考訳（メタデータ） (2023-10-15T18:43:45Z)
• CONVIQT: Contrastive Video Quality Estimator [63.749184706461826]
  知覚ビデオ品質評価(VQA)は、多くのストリーミングおよびビデオ共有プラットフォームにおいて不可欠な要素である。 本稿では,視覚的に関連のある映像品質表現を自己指導的に学習する問題について考察する。 本研究は, 自己教師型学習を用いて, 知覚力による説得力のある表現が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-29T15:22:01Z)
• SafeAMC: Adversarial training for robust modulation recognition models [53.391095789289736]
  通信システムには、Deep Neural Networks(DNN)モデルに依存する変調認識など、多くのタスクがある。 これらのモデルは、逆方向の摂動、すなわち、誤分類を引き起こすために作られた知覚不能な付加音に影響を受けやすいことが示されている。 本稿では,自動変調認識モデルのロバスト性を高めるために,逆方向の摂動を伴うモデルを微調整する逆方向トレーニングを提案する。
  論文  参考訳（メタデータ） (2021-05-28T11:29:04Z)
• On the benefits of robust models in modulation recognition [53.391095789289736]
  畳み込み層を用いたディープニューラルネットワーク(DNN)は、通信における多くのタスクにおいて最先端である。 画像分類のような他の領域では、DNNは敵の摂動に弱いことが示されている。 最新モデルの堅牢性をテストするための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-27T19:58:06Z)
• Joint Noise-Tolerant Learning and Meta Camera Shift Adaptation for Unsupervised Person Re-Identification [60.36551512902312]
  unsupervised person re-identification (re-ID) は、ラベルのないデータで識別モデルを学ぶことを目的としている。 一般的な方法としては、クラスタ化によって擬似ラベルを取得し、モデルを最適化するために使用する方法がある。 本稿では,両問題を解決するための統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-08T09:13:06Z)
• Adaptive Multi-View ICA: Estimation of noise levels for optimal inference [65.94843987207445]
  Adaptive MultiView ICA (AVICA) はノイズの多いICAモデルであり、各ビューは共有された独立したソースと付加的なノイズの線形混合である。 AVICAは、その明示的なMMSE推定器により、他のICA法よりも優れたソース推定値が得られる。 実脳磁図(MEG)データでは,分解がサンプリングノイズに対する感度が低く,ノイズ分散推定が生物学的に妥当であることを示す。
  論文  参考訳（メタデータ） (2021-02-22T13:10:12Z)

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。