論文の概要: Real-Time Helmet Violation Detection Using YOLOv5 and Ensemble Learning
- arxiv url: http://arxiv.org/abs/2304.09246v1
- Date: Fri, 14 Apr 2023 14:15:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-23 04:19:17.423321
- Title: Real-Time Helmet Violation Detection Using YOLOv5 and Ensemble Learning
- Title（参考訳）: YOLOv5とアンサンブル学習を用いたリアルタイムヘルメット振動検出
- Authors: Geoffery Agorku, Divine Agbobli, Vuban Chowdhury, Kwadwo
Amankwah-Nkyi, Adedolapo Ogungbire, Portia Ankamah Lartey, and Armstrong
Aboah
- Abstract要約: 本稿では,バイクの乗客や乗客をリアルタイムに検出する YOLOv5 Deep Learning (DL) モデルの開発と評価について述べる。
私たちは、20秒毎に10fpsで記録された100のビデオでモデルをトレーニングしました。
提案されたモデルは100の試験ビデオでテストされ、mAPスコアは0.5267で、AIシティトラック5の公開リーダーボードで11位にランクインした。
- 参考スコア（独自算出の注目度）: 4.397520291340696
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The proper enforcement of motorcycle helmet regulations is crucial for
ensuring the safety of motorbike passengers and riders, as roadway cyclists and
passengers are not likely to abide by these regulations if no proper
enforcement systems are instituted. This paper presents the development and
evaluation of a real-time YOLOv5 Deep Learning (DL) model for detecting riders
and passengers on motorbikes, identifying whether the detected person is
wearing a helmet. We trained the model on 100 videos recorded at 10 fps, each
for 20 seconds. Our study demonstrated the applicability of DL models to
accurately detect helmet regulation violators even in challenging lighting and
weather conditions. We employed several data augmentation techniques in the
study to ensure the training data is diverse enough to help build a robust
model. The proposed model was tested on 100 test videos and produced an mAP
score of 0.5267, ranking 11th on the AI City Track 5 public leaderboard. The
use of deep learning techniques for image classification tasks, such as
identifying helmet-wearing riders, has enormous potential for improving road
safety. The study shows the potential of deep learning models for application
in smart cities and enforcing traffic regulations and can be deployed in
real-time for city-wide monitoring.
- Abstract（参考訳）: オートバイのヘルメット規制の適正な施行は、道路のサイクリストや乗客が適切な制度を整備しなければこれらの規制に従わないため、バイクの乗客や乗客の安全を確保する上で不可欠である。
本稿では,自転車の乗客と乗客を検知するリアルタイムのyolov5 deep learning(dl)モデルの開発と評価を行い,検出者がヘルメットを着用しているかどうかについて検討する。
モデルを10fpsで録画した100本のビデオで20秒間トレーニングした。
本研究は,照明や気象条件に挑戦してもヘルメット規制違反を高精度に検出できるdlモデルの適用性を示した。
私たちは、トレーニングデータが堅牢なモデルを構築するのに役立つほど多様であることを保証するために、研究でいくつかのデータ拡張技術を採用しました。
提案されたモデルは100の試験ビデオでテストされ、mAPスコアは0.5267で、AIシティトラック5の公開リーダーボードで11位となった。
ヘルメットを着用するライダーを識別するなど,画像分類作業におけるディープラーニング技術の利用は,道路安全を向上する大きな可能性を秘めている。
この研究は、スマートシティにおけるディープラーニングモデルの応用の可能性を示し、交通規制を施行し、都市全体の監視のためにリアルタイムにデプロイすることができる。
関連論文リスト
- Evaluating Vision-Language Models for Zero-Shot Detection, Classification, and Association of Motorcycles, Passengers, and Helmets [0.0]
本研究では,映像データを用いたオートバイ利用者のヘルメット着用状況の検出と分類において,高度な視覚言語基盤モデルOWLv2の有効性について検討した。
我々は、OWLv2とCNNモデルを統合して、検出および分類タスクにカスケードモデルアプローチを採用する。
結果は、不完全で偏りのあるトレーニングデータセットから生じる課題に対処するためのゼロショット学習の可能性を強調している。
論文 参考訳（メタデータ） (2024-08-05T05:30:36Z) - Real-Time Helmet Violation Detection in AI City Challenge 2023 with
Genetic Algorithm-Enhanced YOLOv5 [6.081363026350582]
本研究は,ヘルメット規制に違反する問題に対処する手段として,リアルタイム監視システムに焦点を当てている。
リアルタイムのヘルメット違反検出の試みは、リアルタイムに作動する能力の制限によって妨げられている。
本稿では,YOLOv5単段物体検出モデルを用いた新しいリアルタイムヘルメット違反検出システムを提案する。
論文 参考訳（メタデータ） (2023-04-13T22:04:30Z) - Real-time Multi-Class Helmet Violation Detection Using Few-Shot Data
Sampling Technique and YOLOv8 [11.116729994007686]
本研究では,頑健なリアルタイムヘルメット違反検出システムを提案する。
提案手法は,2023年のAI City Challenge, Track 5において,mAPスコア0.5861で7位となった。
論文 参考訳（メタデータ） (2023-04-13T21:13:55Z) - Monocular Cyclist Detection with Convolutional Neural Networks [0.0]
本研究は,盲点に対する運転者の注意不足に起因する車両と自転車の衝突回数を減らすことを目的としている。
我々は、物体検出畳み込みニューラルネットワークを用いてサイクリストを検出できる最先端のリアルタイム単眼サイクリスト検出を設計した。
このサイクリスト検出装置は、サイクリストを正確にかつ迅速に検出し、サイクリストの安全性を大幅に向上させる可能性があると結論付けている。
論文 参考訳（メタデータ） (2023-01-16T13:54:13Z) - Imitation Is Not Enough: Robustifying Imitation with Reinforcement
Learning for Challenging Driving Scenarios [147.16925581385576]
シミュレーション学習と強化学習を組み合わせることで,運転方針の安全性と信頼性が大幅に向上することを示す。
都会の運転データ100万マイル以上でポリシーを訓練し、異なるレベルの衝突確率でグループ化されたテストシナリオにおける有効性を測定する。
論文 参考訳（メタデータ） (2022-12-21T23:59:33Z) - Differentiable Control Barrier Functions for Vision-based End-to-End
Autonomous Driving [100.57791628642624]
本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。
我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
論文 参考訳（メタデータ） (2022-03-04T16:14:33Z) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳（メタデータ） (2021-09-03T13:33:33Z) - End-to-End Urban Driving by Imitating a Reinforcement Learning Coach [148.2683592850329]
人間は良いドライバーだが、エンドツーエンドのアルゴリズムにとって良いコーチではない。
我々は、鳥の目視画像を連続的な低レベル行動にマッピングする強化学習専門家を訓練する。
我々の強化学習コーチによって監督され、単眼カメラ入力のベースラインエンドツーエンドエージェントは、専門家レベルのパフォーマンスを達成する。
論文 参考訳（メタデータ） (2021-08-18T17:36:51Z) - Self-Supervised Steering Angle Prediction for Vehicle Control Using
Visual Odometry [55.11913183006984]
視覚オドメトリー法を用いて推定したカメラポーズを用いて,車両の軌道制御をモデルに訓練する方法を示す。
車両の前方にカメラを設置することにより,複数の異なる走行経路からの軌跡情報を活用するスケーラブルなフレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-20T16:29:01Z) - Motorcycle System for Optimum Road Safety with Anti-theft Capability [0.0]
頭部と首の怪我は、死因、重傷、オートバイ使用者の障害である。
提案システムでは,事故原因の回避による事故率の低減が期待されている。
論文 参考訳（メタデータ） (2021-01-13T10:58:30Z) - Learning by Cheating [72.9701333689606]
この難解な学習問題を2段階に分解することで単純化できることを示す。
提案手法を用いて、視覚に基づく自律運転システムの訓練を行い、芸術の状況を大幅に上回っている。
提案手法は,従来のCARLAベンチマークのすべてのタスクにおける100%の成功率を初めて達成し,NoCrashベンチマークに新しい記録を樹立し,従来の技術と比較すると,屈折率を桁違いに低減する。
論文 参考訳（メタデータ） (2019-12-27T18:59:04Z)
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。