Fugu-MT 論文翻訳(概要): UDTIRI: An Online Open-Source Intelligent Road Inspection Benchmark Suite

論文の概要: UDTIRI: An Online Open-Source Intelligent Road Inspection Benchmark Suite

arxiv url: http://arxiv.org/abs/2304.08842v3
Date: Mon, 1 Jan 2024 13:56:49 GMT
ステータス: 処理完了
システム内更新日: 2024-01-03 02:45:31.681363
Title: UDTIRI: An Online 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, Yi Feng, Dacheng Zhou, Denghuang Zhang, Chen Chen, Shuai Su, Xingyi Zhu, Qijun Chen, Rui Fan
Abstract要約: このベンチマークスイートで公開された最初のオンラインコンペである道路穴検出タスクを紹介します。我々のベンチマークは、最先端のオブジェクト検出、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ネットワークの体系的かつ徹底的な評価を提供する。多様な道路条件をより包括的に理解したアルゴリズムを提供することで、未解決の可能性を解き明かそうとしている。
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: In the nascent domain of urban digital twins (UDT), the prospects for leveraging cutting-edge deep learning techniques are vast and compelling. Particularly within the specialized area of intelligent road inspection (IRI), a noticeable gap exists, underscored by the current dearth of dedicated research efforts and the lack of large-scale well-annotated datasets. To foster advancements in this burgeoning field, we have launched an online open-source benchmark suite, referred to as UDTIRI. Along with this article, we introduce the road pothole detection task, the first online competition published within this benchmark suite. This task provides a well-annotated dataset, comprising 1,000 RGB images and their pixel/instance-level ground-truth annotations, captured in diverse real-world scenarios under different illumination and weather conditions. Our benchmark provides a systematic and thorough evaluation of state-of-the-art object detection, semantic segmentation, and instance segmentation networks, developed based on either convolutional neural networks or Transformers. We anticipate that our benchmark will serve as a catalyst for the integration of advanced UDT techniques into IRI. By providing algorithms with a more comprehensive understanding of diverse road conditions, we seek to unlock their untapped potential and foster innovation in this critical domain.
Abstract（参考訳）: 都市デジタル双生児(UDT)の初期領域では、最先端のディープラーニング技術を活用する可能性は大きく、魅力的である。特に知的道路検査(iri)の専門分野には、現在の専門的な研究努力と大規模に注釈が付されたデータセットの欠如によって明らかなギャップが存在する。この急成長分野の進歩を促進するため、UDTIRIと呼ばれるオンラインのオープンソースベンチマークスイートをローンチしました。本稿では,このベンチマークスイート内で公開された最初のオンラインコンペティションである道路穴検出タスクを紹介する。このタスクは、1,000のRGB画像と、異なる照明と気象条件下で様々な現実世界のシナリオでキャプチャされるピクセル/インスタンスレベルの地平線アノテーションを含む、よくアノテーションされたデータセットを提供する。本ベンチマークは,畳み込みニューラルネットワークとトランスフォーマーの両方に基づいて開発した,最先端のオブジェクト検出,意味セグメンテーション,インスタンスセグメンテーションネットワークの体系的かつ徹底的な評価を提供する。 IRIに先進的なUDT技術を統合する触媒として,我々のベンチマークが期待できる。多様な道路条件をより包括的に理解するアルゴリズムを提供することで、私たちはその未解決の可能性を解き放ち、この重要な領域におけるイノベーションを育もうとしています。

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。