Fugu-MT 論文翻訳(概要): Road Network Deterioration Monitoring Using Aerial Images and Computer Vision

論文の概要: Road Network Deterioration Monitoring Using Aerial Images and Computer Vision

arxiv url: http://arxiv.org/abs/2209.15455v1
Date: Fri, 30 Sep 2022 13:05:03 GMT
ステータス: 処理完了
システム内更新日: 2022-10-03 16:25:16.896874
Title: Road Network Deterioration Monitoring Using Aerial Images and Computer Vision
Title（参考訳）: 航空画像とコンピュータビジョンを用いた道路網劣化モニタリング
Authors: Nicolas Parra-A and Vladimir Vargas-Calder\'on and Herbert Vinck-Posada and Nicanor Vinck
Abstract要約: 効率的な道路維持に向けた重要なステップは、道路網の在庫を更新する能力である。本稿では,無人航空機を用いた在庫管理プロトコルの実証について述べる。本プロトコルは,道路ネットワーク整備予算を優先するために,地方自治体に情報を提供することを目的としている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Road maintenance is an essential process for guaranteeing the quality of transportation in any city. A crucial step towards effective road maintenance is the ability to update the inventory of the road network. We present a proof of concept of a protocol for maintaining said inventory based on the use of unmanned aerial vehicles to quickly collect images which are processed by a computer vision program that automatically identifies potholes and their severity. Our protocol aims to provide information to local governments to prioritise the road network maintenance budget, and to be able to detect early stages of road deterioration so as to minimise maintenance expenditure.
Abstract（参考訳）: 道路整備は、どの都市でも交通の質を保証するための重要なプロセスである。効率的な道路整備に向けた重要なステップは、道路網の在庫を更新する能力である。そこで本研究では, 無人航空機を用いて, ポットホールとその重大度を自動的に識別するコンピュータビジョンプログラムによって処理された画像を自動的に収集するプロトコルのコンセプト実証を行う。本プロトコルは,道路ネットワーク整備予算を優先する情報を自治体に提供し,整備費を最小化するために,道路の早期劣化を検出することを目的とする。

関連論文リスト

Reliable, Routable, and Reproducible: Collection of Pedestrian Pathways at Statewide Scale [7.346075203371274]
本稿では,国家規模で歩行者経路データを収集,管理,提供,維持する手法を提案する。約2年以内にワシントン州全体に向けて、荒削りな歩行者道を作ることを目標としている。
論文参考訳（メタデータ） (2024-10-12T02:31:57Z)
Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文参考訳（メタデータ） (2024-10-10T10:10:03Z)
MSight: An Edge-Cloud Infrastructure-based Perception System for Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。 MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文参考訳（メタデータ） (2023-10-08T21:32:30Z)
AI-Driven Road Maintenance Inspection v2: Reducing Data Dependency & Quantifying Road Damage [11.052502162865206]
道路インフラの整備検査は、通常、全ての道路利用者の安全を確保するために労働集約的で重要な作業である。道路損傷検出のためのラベルを生成するために,少数ショット学習やアウト・オブ・ディストリビューション検出といった手法を活用することで,自動ラベリングパイプラインを提案する。これらの技術で訓練されたAIモデルは、人間のアノテーションの要求を減らした実世界のデータをより一般化するだけでなく、メンテナンスの緊急さを見積もることも示している。
論文参考訳（メタデータ） (2022-10-07T14:11:27Z)
Efficient Federated Learning with Spike Neural Networks for Traffic Sign Recognition [70.306089187104]
我々は、エネルギー効率と高速モデルトレーニングのための交通信号認識に強力なスパイクニューラルネットワーク(SNN)を導入している。数値的な結果から,提案するフェデレーションSNNは,従来のフェデレーション畳み込みニューラルネットワークよりも精度,ノイズ免疫性,エネルギー効率に優れていたことが示唆された。
論文参考訳（メタデータ） (2022-05-28T03:11:48Z)
Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。提案手法は,高品質なトラフィックフローマップを作成できる。
論文参考訳（メタデータ） (2021-09-29T07:51:49Z)
Evaluating Computer Vision Techniques for Urban Mobility on Large-Scale, Unconstrained Roads [25.29906312974705]
本稿では,道路安全の課題を大規模に解決するために,簡易な移動画像撮影装置を提案する。道路上の不規則を識別するために,近年のコンピュータビジョン技術を用いている。また、トラフィック違反を見つけるためのモバイルイメージングソリューションの適用性を実証する。
論文参考訳（メタデータ） (2021-09-11T09:07:56Z)
AI Driven Road Maintenance Inspection [1.367628810606956]
本稿では,人工知能とコンピュータビジョンの最先端技術を用いて,保守検査サブタスクの相当な部分を自動化する手法を提案する。提案手法は,物体検出やセマンティックセグメンテーションといった最先端のコンピュータビジョン技術を用いて,主要道路構造物の検査を自動化する。我々のAIモデルは、主要道路構造物の保守検査を自動化するだけでなく、従来の手動検査と比較して高いリコールをもたらすことを実証している。
論文参考訳（メタデータ） (2021-06-04T15:59:46Z)
AI in Smart Cities: Challenges and approaches to enable road vehicle automation and smart traffic control [56.73750387509709]
SCCは、活動やユーティリティの自動化と最適化による効率向上を目指すデータ中心の社会を構想しています。本稿では、SCCにおけるAIの視点を説明し、道路車両の自動化とスマート交通制御を可能にする交通で使用されるAIベースの技術の概要を示す。
論文参考訳（メタデータ） (2021-04-07T14:31:08Z)
Autonomous Maintenance in IoT Networks via AoI-driven Deep Reinforcement Learning [73.85267769520715]
IoT(Internet of Things)は、デプロイされるデバイスやアプリケーションの数の増加とともに、ネットワークのメンテナンス手順に大きな課題をもたらしている。部分観測可能なマルコフ決定プロセスとして,IoTネットワークにおける自律的メンテナンスの問題を定式化する。深層強化学習アルゴリズム (drl) を用いて, 保守手順が整っているか否かを判断するエージェントを訓練し, 前者の場合, 適切なメンテナンス方法が必要となる。
論文参考訳（メタデータ） (2020-12-31T11:19:51Z)

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。