Fugu-MT 論文翻訳(概要): A Dataset and Model for Crossing Indian Roads

論文の概要: A Dataset and Model for Crossing Indian Roads

arxiv url: http://arxiv.org/abs/2211.07916v1
Date: Tue, 15 Nov 2022 06:04:30 GMT
ステータス: 処理完了
システム内更新日: 2022-11-16 14:52:05.959572
Title: A Dataset and Model for Crossing Indian Roads
Title（参考訳）: インドの道路を横断するデータセットとモデル
Authors: Siddhi Brahmbhatt
Abstract要約: 歩行者視点からインド道路を撮影した最初のデータセットであるINDRAを紹介した。我々は、SVMからCNNまで、さまざまな分類器を訓練して、このデータに基づいて道路横断安全性を予測する。 DilatedRoadCrossNetを走らせるウェアラブル・ロード・クロス・アシスタントについて紹介する。
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: Roads in medium-sized Indian towns often have lots of traffic but no (or disregarded) traffic stops. This makes it hard for the blind to cross roads safely, because vision is crucial to determine when crossing is safe. Automatic and reliable image-based safety classifiers thus have the potential to help the blind to cross Indian roads. Yet, we currently lack datasets collected on Indian roads from the pedestrian point-of-view, labelled with road crossing safety information. Existing classifiers from other countries are often intended for crossroads, and hence rely on the detection and presence of traffic lights, which is not applicable in Indian conditions. We introduce INDRA (INdian Dataset for RoAd crossing), the first dataset capturing videos of Indian roads from the pedestrian point-of-view. INDRA contains 104 videos comprising of 26k 1080p frames, each annotated with a binary road crossing safety label and vehicle bounding boxes. We train various classifiers to predict road crossing safety on this data, ranging from SVMs to convolutional neural networks (CNNs). The best performing model DilatedRoadCrossNet is a novel single-image architecture tailored for deployment on the Nvidia Jetson Nano. It achieves 79% recall at 90% precision on unseen images. Lastly, we present a wearable road crossing assistant running DilatedRoadCrossNet, which can help the blind cross Indian roads in real-time. The project webpage is http://roadcross-assistant.github.io/Website/.
Abstract（参考訳）: 中規模のインドの町の道路は交通量が多いが、停留所はない(無視)。視覚が重要であるため、視覚障害者が安全に道路を横断することは困難である。自動で信頼性の高い画像ベースの安全分類器は、インド人の道路を横断するのに役立つ可能性がある。しかし、現在私たちは、歩行者の視点からインドの道路で収集されたデータセットを欠いている。他の国からの既存の分類器は、しばしば横断歩道を意図しているため、インドでは適用できない交通信号の検出と存在に依存している。 Indian Dataset for RoAd crossing, INDRAは, 歩行者から見たインド道路の映像を収録した最初のデータセットである。 indraには26k 1080pのフレームからなる104本のビデオがあり、それぞれにバイナリ道路横断安全ラベルと車両境界ボックスが付記されている。このデータから,svmから畳み込みニューラルネットワーク(cnns)まで,様々な分類器を訓練して道路横断の安全性を予測した。最高のパフォーマンスモデルであるDilatedRoadCrossNetは、Nvidia Jetson Nanoにデプロイするための新しい単一イメージアーキテクチャである。 90%の精度で79%のリコールを達成している。最後に、視覚障害者がインドの道路をリアルタイムで横断するのに役立つ、dilatedroadcrossnetを動作させるウェアラブル道路横断アシスタントを紹介する。プロジェクトのWebページはhttp://roadcross-assistant.github.io/Website/。

関連論文リスト

AGNES: Abstraction-guided Framework for Deep Neural Networks Security [0.6827423171182154]
ディープニューラルネットワーク(DNN)は、特に安全クリティカルな領域で広く普及している。 1つの応用は、自律運転における画像認識である。 DNNはバックドアに傾向があり、正しい分類とは無関係である画像の属性に集中している。本稿では,画像認識のためのDNNのバックドア検出ツールAGNESを紹介する。
論文参考訳（メタデータ） (2023-11-07T14:05:20Z)
RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and Comfortable Autonomous Driving [67.09546127265034]
道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
論文参考訳（メタデータ） (2023-10-03T17:59:32Z)
Topology Preserving Local Road Network Estimation from Single Onboard Camera Image [128.881857704338]
本稿では,鳥眼ビュー(BEV)において,局所道路網のトポロジーを抽出することを目的とする。唯一の入力は、シングルオンボードの前方カメラ画像で構成されている。道路トポロジを,道路の交点を用いて捉えた一組の有向車線曲線とその相互作用を用いて表現する。
論文参考訳（メタデータ） (2021-12-19T14:25:22Z)
Structured Bird's-Eye-View Traffic Scene Understanding from Onboard Images [128.881857704338]
本研究では,BEV座標における局所道路網を表す有向グラフを,単眼カメラ画像から抽出する問題について検討する。提案手法は,BEV平面上の動的物体を検出するために拡張可能であることを示す。我々は、強力なベースラインに対するアプローチを検証するとともに、ネットワークが優れたパフォーマンスを達成することを示す。
論文参考訳（メタデータ） (2021-10-05T12:40:33Z)
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)
CP-loss: Connectivity-preserving Loss for Road Curb Detection in Autonomous Driving with Aerial Images [10.300623192980753]
自動走行には道路停止検知が重要である。現在の方法のほとんどは、カメラや3Dライダーなどの車両に搭載されたセンサーを使って、オンラインで道路の縁石を検出する。本稿では,高分解能空中画像を用いて道路の縁石をオフラインで検出する。
論文参考訳（メタデータ） (2021-07-26T01:36:58Z)
Convolutional Recurrent Network for Road Boundary Extraction [99.55522995570063]
我々は,LiDARとカメラ画像からの道路境界抽出の問題に取り組む。我々は,完全畳み込みネットワークが道路境界の位置と方向をエンコードする深い特徴量を得る構造化モデルを設計する。北米の大都市において,道路境界の完全なトポロジを99.3%の時間で得られる方法の有効性を示す。
論文参考訳（メタデータ） (2020-12-21T18:59:12Z)
End-to-End Deep Structured Models for Drawing Crosswalks [98.9901717499058]
我々は、両方の入力を地上に投影し、シーンのトップダウンビューを生成します。次に,畳み込みニューラルネットワークを用いて横断歩道の位置に関する意味的手がかりを抽出する。大都市での横断歩道実験では96.6%の自動化が可能であった。
論文参考訳（メタデータ） (2020-12-21T18:59:08Z)
Identifying safe intersection design through unsupervised feature extraction from satellite imagery [9.306618776574025]
世界保健機関(WHO)は、より安全な交差点の設計を、世界の道路トラウマを減らす重要な介入として挙げている。およそ90万枚の衛星画像がオーストラリアのすべての交差点でダウンロードされ、道路インフラを強調したコンピュータビジョン技術がカスタマイズされた。ディープオートエンコーダは、交差点のタイプ、サイズ、形状、レーンマーキング、複雑さなどの高レベルな特徴を抽出した。
論文参考訳（メタデータ） (2020-10-29T03:42:09Z)
BoMuDANet: Unsupervised Adaptation for Visual Scene Understanding in Unstructured Driving Environments [54.22535063244038]
非構造交通環境における視覚的シーン理解のための教師なし適応手法を提案する。本手法は,車,トラック,二輪車,三輪車,歩行者からなる密集・異種交通を伴う非構造現実シナリオを対象としたものである。
論文参考訳（メタデータ） (2020-09-22T08:25:44Z)
Detecting Unsigned Physical Road Incidents from Driver-View Images [3.840106920708639]
重要なニーズは、破壊的なインシデントを迅速かつ効果的に検出し、伝達することである。既製のディープニューラルネットワークアーキテクチャに基づくシステムを提案する。我々は,未署名の身体的事象に対する分類を開発し,関連する事象を整理・分類する手段を提供する。
論文参考訳（メタデータ） (2020-04-24T16:02:17Z)

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。