論文の概要: Augmenting Ego-Vehicle for Traffic Near-Miss and Accident Classification
Dataset using Manipulating Conditional Style Translation
- arxiv url: http://arxiv.org/abs/2301.02726v1
- Date: Fri, 6 Jan 2023 22:04:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 16:50:55.272773
- Title: Augmenting Ego-Vehicle for Traffic Near-Miss and Accident Classification
Dataset using Manipulating Conditional Style Translation
- Title（参考訳）: 条件付き翻訳を用いた交通事故・事故分類データセットの強化
- Authors: Hilmil Pradana, Minh-Son Dao, and Koji Zettsu
- Abstract要約: 事故が起こる前の事故と近距離事故には差はない。
我々の貢献は、事故の定義を再定義し、DADA-2000データセットにおける事故の不整合を再注釈することである。
提案手法は、条件付きスタイル変換(CST)と分離可能な3次元畳み込みニューラルネットワーク(S3D)の2つの異なるコンポーネントを統合する。
- 参考スコア（独自算出の注目度）: 0.3441021278275805
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: To develop the advanced self-driving systems, many researchers are focusing
to alert all possible traffic risk cases from closed-circuit television (CCTV)
and dashboard-mounted cameras. Most of these methods focused on identifying
frame-by-frame in which an anomaly has occurred, but they are unrealized, which
road traffic participant can cause ego-vehicle leading into collision because
of available annotation dataset only to detect anomaly on traffic video.
Near-miss is one type of accident and can be defined as a narrowly avoided
accident. However, there is no difference between accident and near-miss at the
time before the accident happened, so our contribution is to redefine the
accident definition and re-annotate the accident inconsistency on DADA-2000
dataset together with near-miss. By extending the start and end time of
accident duration, our annotation can precisely cover all ego-motions during an
incident and consistently classify all possible traffic risk accidents
including near-miss to give more critical information for real-world driving
assistance systems. The proposed method integrates two different components:
conditional style translation (CST) and separable 3-dimensional convolutional
neural network (S3D). CST architecture is derived by unsupervised
image-to-image translation networks (UNIT) used for augmenting the
re-annotation DADA-2000 dataset to increase the number of traffic risk accident
videos and to generalize the performance of video classification model on
different types of conditions while S3D is useful for video classification to
prove dataset re-annotation consistency. In evaluation, the proposed method
achieved a significant improvement result by 10.25% positive margin from the
baseline model for accuracy on cross-validation analysis.
- Abstract（参考訳）: 先進的な自動運転システムを開発するために、多くの研究者は、クローズドサーキットテレビ(cctv)とダッシュボード搭載カメラから可能な全ての交通リスクケースに注意を払っている。
これらの手法のほとんどは、異常が発生したフレーム毎の識別に重点を置いているが、実現されていないため、道路交通参加者は、利用可能なアノテーションデータセットによって、トラフィックビデオで異常を検出できないため、エゴ車両が衝突する可能性がある。
近接ミスは事故の一種であり、狭義に避けられる事故と定義できる。
しかし,事故発生前の事故とニアミスの間には差はなく,事故の定義を再定義し,DADA-2000データセット上での事故の不整合を再注釈することへの貢献である。
事故発生時刻の開始時刻と終了時刻を延ばすことで,事故発生時のエゴ運動を正確にカバーし,事故発生時を含む交通リスク事故を一貫した分類を行い,現実の運転支援システムにより重要な情報を提供する。
提案手法は条件付きスタイル変換(cst)と分離可能な3次元畳み込みニューラルネットワーク(s3d)の2つの構成要素を統合する。
CSTアーキテクチャは、再アノテーションDADA-2000データセットを増大させ、交通事故ビデオの数を増やし、異なる種類の条件下での動画分類モデルの性能を一般化するために使用されるunsupervised image-to-image translation network (UNIT)によって導かれる。
評価では, クロスバリデーション解析において, ベースラインモデルから10.25%の正のマージンで有意な改善が得られた。
関連論文リスト
- Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。
本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
論文 参考訳（メタデータ） (2024-10-31T13:13:32Z) - Real-time Accident Anticipation for Autonomous Driving Through Monocular Depth-Enhanced 3D Modeling [18.071748815365005]
我々は、現在のSOTA(State-of-the-art)2Dベースの手法を超えて予測能力を著しく向上させる革新的なフレームワークであるAccNetを導入する。
本稿では,交通事故データセットにおけるスキュードデータ分散の課題に対処するため,早期予測のためのバイナリ適応損失(BA-LEA)を提案する。
論文 参考訳（メタデータ） (2024-09-02T13:46:25Z) - Abductive Ego-View Accident Video Understanding for Safe Driving
Perception [75.60000661664556]
マルチモーダル・アクシデント・ビデオ理解のための新しいデータセットMM-AUを提案する。
MM-AUには1,727件の映像が収録されている。
安全運転認識のための誘導型事故映像理解フレームワーク(AdVersa-SD)を提案する。
論文 参考訳（メタデータ） (2024-03-01T10:42:52Z) - DeepAccident: A Motion and Accident Prediction Benchmark for V2X
Autonomous Driving [76.29141888408265]
本研究では,現実の運転において頻繁に発生する多様な事故シナリオを含む大規模データセットを提案する。
提案したDeepAccidentデータセットには57Kの注釈付きフレームと285Kの注釈付きサンプルが含まれており、これは大規模なnuScenesデータセットの約7倍である。
論文 参考訳（メタデータ） (2023-04-03T17:37:00Z) - Cognitive Accident Prediction in Driving Scenes: A Multimodality
Benchmark [77.54411007883962]
本研究では,視覚的観察と運転者の注意に対する人為的な文章記述の認識を効果的に活用し,モデルトレーニングを容易にする認知事故予測手法を提案する。
CAPは、注意テキスト〜ビジョンシフト融合モジュール、注意シーンコンテキスト転送モジュール、運転注意誘導事故予測モジュールによって構成される。
我々は,1,727件の事故ビデオと219万フレーム以上の大規模ベンチマークを構築した。
論文 参考訳（メタデータ） (2022-12-19T11:43:02Z) - TAD: A Large-Scale Benchmark for Traffic Accidents Detection from Video
Surveillance [2.1076255329439304]
既存の交通事故のデータセットは小規模で、監視カメラからではなく、オープンソースではない。
様々な次元による統合とアノテーションの後に,TADという大規模交通事故データセットが提案されている。
論文 参考訳（メタデータ） (2022-09-26T03:00:50Z) - Real-Time Accident Detection in Traffic Surveillance Using Deep Learning [0.8808993671472349]
本稿では,交通監視用交差点における事故検出のための新しい効率的な枠組みを提案する。
提案手法は,最先端のYOLOv4法に基づく効率的かつ高精度な物体検出を含む,3つの階層的なステップから構成される。
提案フレームワークのロバスト性は,様々な照明条件でYouTubeから収集した映像シーケンスを用いて評価する。
論文 参考訳（メタデータ） (2022-08-12T19:07:20Z) - A model for traffic incident prediction using emergency braking data [77.34726150561087]
道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。
メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
論文 参考訳（メタデータ） (2021-02-12T18:17:12Z) - ISSAFE: Improving Semantic Segmentation in Accidents by Fusing
Event-based Data [34.36975697486129]
本稿では,事故シナリオにおけるセマンティックセグメンテーションに関する課題を,事故データセットDADA-segとともに提示する。
イベントベースのマルチモーダルセグメンテーションアーキテクチャISSAFEを提案する。
提案手法は, 提案した評価セットに対して+8.2% mIoUの性能向上を達成し, 10以上の最先端セグメンテーション法を克服する。
論文 参考訳（メタデータ） (2020-08-20T14:03:34Z) - Uncertainty-based Traffic Accident Anticipation with Spatio-Temporal
Relational Learning [30.59728753059457]
交通事故予測は、できるだけ早くダッシュカムビデオから事故を予測することを目的としている。
現在の決定論的ディープニューラルネットワークは、誤った予測では過信される可能性がある。
本稿では,関係時間学習を用いた不確実性に基づく事故予測モデルを提案する。
論文 参考訳（メタデータ） (2020-08-01T20:21:48Z) - Road Curb Detection and Localization with Monocular Forward-view Vehicle
Camera [74.45649274085447]
魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。
我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
論文 参考訳（メタデータ） (2020-02-28T00:24:18Z)
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。