論文の概要: Crowdsensing-based Road Damage Detection Challenge (CRDDC-2022)

• arxiv url: http://arxiv.org/abs/2211.11362v1
• Date: Mon, 21 Nov 2022 11:29:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 18:03:01.446825
• Title: Crowdsensing-based Road Damage Detection Challenge (CRDDC-2022)
• Title（参考訳）: クラウドセンシングによる道路被害検出チャレンジ(CRDDC-2022)
• Authors: Deeksha Arya (1), Hiroya Maeda (2), Sanjay Kumar Ghosh (3), Durga Toshniwal (3), Hiroshi Omata (1), Takehiro Kashiyama (4), Yoshihide Sekimoto (1) ((1) The University of Tokyo, Japan, (2) UrbanX Technologies, Inc., Tokyo, Japan (3) Indian Institute of Technology Roorkee, India, (4) Osaka University of Economics, Japan)
• Abstract要約: 本稿では,IEEE International Conference on Big Data'2022の一部として組織されたビッグデータカップである,クラウドセンシングに基づく道路被害検出チャレンジ(CRDDC)を要約する。 このデータは、インド、日本、チェコ、ノルウェー、米国、中国から収集された47,420枚の道路画像で構成されている。 この大会に登録された19カ国の60チーム以上が、上記の6カ国の未確認テスト画像のパフォーマンスに基づいて、5つのリーダーボードを用いて評価した。
• 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: This paper summarizes the Crowdsensing-based Road Damage Detection Challenge (CRDDC), a Big Data Cup organized as a part of the IEEE International Conference on Big Data'2022. The Big Data Cup challenges involve a released dataset and a well-defined problem with clear evaluation metrics. The challenges run on a data competition platform that maintains a real-time online evaluation system for the participants. In the presented case, the data constitute 47,420 road images collected from India, Japan, the Czech Republic, Norway, the United States, and China to propose methods for automatically detecting road damages in these countries. More than 60 teams from 19 countries registered for this competition. The submitted solutions were evaluated using five leaderboards based on performance for unseen test images from the aforementioned six countries. This paper encapsulates the top 11 solutions proposed by these teams. The best-performing model utilizes ensemble learning based on YOLO and Faster-RCNN series models to yield an F1 score of 76% for test data combined from all 6 countries. The paper concludes with a comparison of current and past challenges and provides direction for the future.
• Abstract（参考訳）: 本稿では,ieee international conference on big data'2022の一環として開催された,クラウドセンシングに基づく道路損傷検出チャレンジ(crddc)をまとめる。 ビッグデータカップの課題には、リリースデータセットと、明確な評価指標を備えた明確に定義された問題が含まれる。 課題は参加者のためのリアルタイムオンライン評価システムを維持するデータコンペティションプラットフォーム上で実行される。 本報告では,インド,日本,チェコ,ノルウェー,アメリカ合衆国,中国から収集した47,420枚の道路画像から,これらの国の道路被害を自動的に検出する方法を提案する。 この大会には19カ国から60チームが参加している。 提案手法は,上記6カ国の未確認テスト画像のパフォーマンスに基づいて,5つのリーダボードを用いて評価した。 この論文は、これらのチームによって提案されたトップ11ソリューションをカプセル化する。 ベストパフォーマンスモデルは、yoloとfaster-rcnnのシリーズモデルに基づくアンサンブル学習を使用して、6カ国のテストデータから76%のf1スコアを得る。 本稿は、現在の課題と過去の課題を比較し、未来への方向性を提供する。

関連論文リスト

• AIM 2024 Challenge on Video Super-Resolution Quality Assessment: Methods and Results [76.64868221556145]
  本稿では,AIM(Advanceds in Image Manipulation)ワークショップの一環として,ビデオ・スーパーリゾリューション(SR)品質アセスメント(QA)チャレンジについて紹介する。 この課題の課題は、現代の画像とビデオ-SRアルゴリズムを用いて、2xと4xのアップスケールされたビデオのための客観的QA手法を開発することである。 SR QAの目標は、従来のQA手法の適用範囲が限られているという難題が証明された、最先端のSR QAを前進させることであった。
  論文  参考訳（メタデータ） (2024-10-05T16:42:23Z)
• AIM 2024 Challenge on Video Saliency Prediction: Methods and Results [105.09572982350532]
  本稿では,AIM 2024におけるビデオ・サリエンシ予測の課題について概説する。 参加者の目標は、提供されたビデオシーケンスのセットに対して正確な精度マップを予測する方法を開発することであった。
  論文  参考訳（メタデータ） (2024-09-23T08:59:22Z)
• First Competition on Presentation Attack Detection on ID Card [9.872311870613748]
  バイオメトリックス国際会議(IJCB2024)におけるIDカードの提示検出(PAD-IDCard)に関するコンペティションを要約する。 この競技会には、学業と産業の両方から合計10の登録チームが集まった。 要約すると、「匿名」を選択したチームは74.80%の最高ランキングに達し、続いて77.65%の「IDVC」チームが続いた。
  論文  参考訳（メタデータ） (2024-08-31T07:24:19Z)
• Overview of AI-Debater 2023: The Challenges of Argument Generation Tasks [62.443665295250035]
  第2023回中国影響コンピューティング会議(CCAC 2023)におけるAI-Debater 2023チャレンジの結果を提示する。 合計で32のチームがチャレンジに登録し、そこから11の応募をもらいました。
  論文  参考訳（メタデータ） (2024-07-20T10:13:54Z)
• NTIRE 2024 Challenge on Image Super-Resolution ($\times$4): Methods and Results [126.78130602974319]
  画像の超高解像度化に関するNTIRE 2024の課題(4ドル)をレビューする。 この課題は、低解像度(LR)入力から4倍の倍率で対応する高解像度(HR)画像を生成することである。 この挑戦の目的は、最も先進的なSR性能を持つ設計/解決を得ることである。
  論文  参考訳（メタデータ） (2024-04-15T13:45:48Z)
• RDD2022: A multi-national image dataset for automatic Road Damage Detection [0.0]
  このデータセットは、日本、インド、チェコ、ノルウェー、米国、中国6カ国の道路画像47,420枚で構成されている。 本データセットでは, 縦断裂, 横断裂, アリゲータ亀裂, ポットホールの4種類の道路損傷を捉えた。 このデータセットは、クラウドセンシングに基づく道路被害検出チャレンジ(CRDDC2022)の一部としてリリースされた。
  論文  参考訳（メタデータ） (2022-09-18T11:29:49Z)
• CelebA-Spoof Challenge 2020 on Face Anti-Spoofing: Methods and Results [52.037212630137304]
  CelebA-Spoofは、データと被験者の数の点で最大の顔のアンチスプーフィングデータセットです。 本稿では、CelebA-Spoof Challenge 2020 on Face AntiSpoofingの方法と結果を報告する。
  論文  参考訳（メタデータ） (2021-02-25T02:31:41Z)
• DeeperForensics Challenge 2020 on Real-World Face Forgery Detection: Methods and Results [144.5252578415748]
  本稿では,現実世界の顔偽造検出に関するDeeperForensics Challenge 2020の手法と結果について報告する。 この挑戦はdeepforensics-1.0データセットを採用し、6万のビデオを合計1760万フレームで構成する。 115人の参加者が参加し、25のチームが有効な応募を行った。
  論文  参考訳（メタデータ） (2021-02-18T16:48:57Z)
• Global Road Damage Detection: State-of-the-art Solutions [0.0]
  本稿では,2020年のIEEE International Conference on Big Dataの一部として組織されたビッグデータカップであるGlobal Road damage Detection Challenge(GRDDC)を要約する。 このデータは、インド、日本、チェコ共和国から収集された26336枚の道路画像から成り、道路損傷を自動的に検出する方法を提案する。 論文は、提示された課題と将来の課題で改善される可能性のある課題に対して、うまく機能するファセットのレビューで締めくくっている。
  論文  参考訳（メタデータ） (2020-11-17T16:19:02Z)
• Road Damage Detection using Deep Ensemble Learning [36.24563211765782]
  道路損傷の効率的な検出と分類のためのアンサンブルモデルを提案する。 我々のソリューションは、You Only Look Once (YOLO-v4)として知られる最先端の物体検出器を利用する。 テスト1データセットでF1スコアが0.628、テスト2データセットで0.6358に達した。
  論文  参考訳（メタデータ） (2020-10-30T03:18:14Z)

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。