論文の概要: UDTIRI: An Open-Source Intelligent Road Inspection Benchmark Suite
- arxiv url: http://arxiv.org/abs/2304.08842v2
- Date: Sun, 13 Aug 2023 11:31:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-15 20:11:15.700982
- Title: UDTIRI: An Open-Source Intelligent Road Inspection Benchmark Suite
- Title（参考訳）: udtiri: オープンソースのインテリジェント道路検査ベンチマークスイート
- Authors: Sicen Guo, Jiahang Li, Shuai Su, Yi Feng, Dacheng Zhou, Chen Chen,
Denghuang Zhang, Xingyi Zhu, Qijun Chen, Rui Fan
- Abstract要約: 都市デジタル双生児の新興分野における強力な深層学習手法を活用する大きな可能性を秘めている。
われわれのデータセットは1000枚の穴の画像で構成されており、様々なシナリオで異なる照明と湿度条件で撮影されている。
私たちの意図は、オブジェクト検出、セマンティックセグメンテーション、インスタンスセグメンテーションタスクにこのデータセットを使用することです。
- 参考スコア（独自算出の注目度）: 21.565438268381467
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: It is seen that there is enormous potential to leverage powerful deep
learning methods in the emerging field of urban digital twins. It is
particularly in the area of intelligent road inspection where there is
currently limited research and data available. To facilitate progress in this
field, we have developed a well-labeled road pothole dataset named Urban
Digital Twins Intelligent Road Inspection (UDTIRI) dataset. We hope this
dataset will enable the use of powerful deep learning methods in urban road
inspection, providing algorithms with a more comprehensive understanding of the
scene and maximizing their potential. Our dataset comprises 1000 images of
potholes, captured in various scenarios with different lighting and humidity
conditions. Our intention is to employ this dataset for object detection,
semantic segmentation, and instance segmentation tasks. Our team has devoted
significant effort to conducting a detailed statistical analysis, and
benchmarking a selection of representative algorithms from recent years. We
also provide a multi-task platform for researchers to fully exploit the
performance of various algorithms with the support of UDTIRI dataset.
- Abstract（参考訳）: 都市デジタル双生児の新興分野において,強力な深層学習手法を活用する大きな可能性を秘めている。
インテリジェントな道路検査の分野では特に、現在利用可能な研究とデータが限られている。
この分野での進展を促進するため,我々はUrban Digital Twins Intelligent Road Inspection (UDTIRI) データセットを開発した。
このデータセットにより、都市道路検査における強力なディープラーニング手法の利用が可能になり、より包括的な状況理解と潜在能力を最大化するアルゴリズムが提供されることを期待しています。
われわれのデータセットは1000枚の穴の画像で構成されており、様々なシナリオで異なる照明と湿度条件で撮影されている。
私たちの意図は、オブジェクト検出、セマンティックセグメンテーション、インスタンスセグメンテーションタスクにこのデータセットを使用することです。
私たちのチームは、詳細な統計分析や、近年の代表的なアルゴリズムのベンチマークに多大な努力を払っています。
また、UDTIRIデータセットのサポートにより、研究者が様々なアルゴリズムの性能を完全に活用するためのマルチタスクプラットフォームも提供します。
関連論文リスト
- A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。
多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
論文 参考訳（メタデータ） (2024-05-30T04:46:40Z) - Dehazing Remote Sensing and UAV Imagery: A Review of Deep Learning, Prior-based, and Hybrid Approaches [4.516330345599765]
高品質な画像は、リモートセンシングおよびUAVアプリケーションに不可欠である。
大気ヘイズは 画像の質を著しく低下させ 画像の劣化を 重要な研究領域にします
論文 参考訳（メタデータ） (2024-05-13T07:35:24Z) - Multimodal Urban Areas of Interest Generation via Remote Sensing Imagery
and Geographical Prior [9.85003064364004]
AOI(Urban Area-of-interest)は、多角形境界が定義された都市機能ゾーンである。
本稿では,正確なAOI境界を同時に検出し,AOIの信頼性を検証するための総合的なエンドツーエンド多モードディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-01-12T12:54:30Z) - AI Powered Road Network Prediction with Multi-Modal Data [0.9426448361599084]
本研究では,低解像度衛星画像とGPSトラジェクトリデータの両方を利用する融合戦略を用いて,ディープラーニングを用いた道路自動検出のための革新的なアプローチを提案する。
我々は,早期と後期の融合戦略を厳密に検討し,異なる融合設定を用いて深層学習に基づく道路検出性能を評価する。
論文 参考訳（メタデータ） (2023-12-28T14:31:07Z) - Unified Domain Adaptive Semantic Segmentation [96.74199626935294]
Unsupervised Adaptive Domain Semantic (UDA-SS)は、ラベル付きソースドメインからラベル付きターゲットドメインに監督を移すことを目的としている。
本稿では,特徴量と特徴量との相違に対処するQuad-directional Mixup(QuadMix)法を提案する。
提案手法は,4つの挑戦的UDA-SSベンチマークにおいて,最先端の成果を大きなマージンで上回っている。
論文 参考訳（メタデータ） (2023-11-22T09:18:49Z) - Occlusion-Aware 2D and 3D Centerline Detection for Urban Driving via
Automatic Label Generation [4.921246328739616]
本研究は,高ダイナミックな都市運転シナリオ下での2次元および3次元の道路トポロジ情報を決定する戦略を探求し,特定することを目的とする。
この探索を容易にするために、100万近い自動ラベル付きデータフレームからなる実質的なデータセットを導入する。
論文 参考訳（メタデータ） (2023-11-03T17:20:34Z) - Deep Industrial Image Anomaly Detection: A Survey [85.44223757234671]
近年の深層学習の急速な発展は,産業用画像異常検出(IAD)のマイルストーンとなった
本稿では,ディープラーニングによる画像異常検出手法の総合的なレビューを行う。
画像異常検出のオープニング課題をいくつか取り上げる。
論文 参考訳（メタデータ） (2023-01-27T03:18:09Z) - Gait Recognition in the Wild: A Large-scale Benchmark and NAS-based
Baseline [95.88825497452716]
歩行ベンチマークにより、研究コミュニティは高性能歩行認識システムの訓練と評価を行うことができる。
GREWは、野生における歩行認識のための最初の大規模データセットである。
SPOSGaitはNASベースの最初の歩行認識モデルである。
論文 参考訳（メタデータ） (2022-05-05T14:57:39Z) - MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake
Detection [80.83725644958633]
現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。
MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2021-09-15T14:11:53Z) - Triggering Failures: Out-Of-Distribution detection by learning from
local adversarial attacks in Semantic Segmentation [76.2621758731288]
セグメンテーションにおけるアウト・オブ・ディストリビューション(OOD)オブジェクトの検出に取り組む。
私たちの主な貢献は、ObsNetと呼ばれる新しいOOD検出アーキテクチャであり、ローカル・アタック(LAA)に基づく専用トレーニングスキームと関連付けられています。
3つの異なるデータセットの文献の最近の10つの手法と比較して,速度と精度の両面で最高の性能が得られることを示す。
論文 参考訳（メタデータ） (2021-08-03T17:09:56Z) - On the Challenges of Open World Recognitionunder Shifting Visual Domains [23.999211737485812]
本研究では,Open World Recognition (OWR)アルゴリズムがドメインシフトの下で有効かどうかを検討する。
OWRは、初期トレーニングセットに存在するセマンティック制限を破ることのできるシステムを開発することを目標としている。
解析の結果, この劣化は領域一般化手法とOWRの結合によってわずかに緩和されることがわかった。
論文 参考訳（メタデータ） (2021-07-09T14:25:45Z)
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。