論文の概要: Deteksi Sampah di Permukaan dan Dalam Perairan pada Objek Video dengan
Metode Robust and Efficient Post-Processing dan Tubelet-Level Bounding Box
Linking
- arxiv url: http://arxiv.org/abs/2307.10039v1
- Date: Fri, 14 Jul 2023 04:04:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-23 11:49:51.931016
- Title: Deteksi Sampah di Permukaan dan Dalam Perairan pada Objek Video dengan
Metode Robust and Efficient Post-Processing dan Tubelet-Level Bounding Box
Linking
- Title（参考訳）: Deteksi Sampah di Permukaan dan Dalam Perairan pada Objek Video Dengan Metode Robust and Efficient Post-Processing dan tubelet-Level Bounding Box Linking
- Authors: Bryan Tjandra, Made S. N. Negara, Nyoo S. C. Handoko
- Abstract要約: 本稿では, 自動ゴミ収集ロボットにおいて, 映像オブジェクト検出に応用可能な手法について説明する。
本研究は, YOLOv5モデルとRobust & Efficient Post Processing (REPP)法と, FloWおよびRoboflowデータセット上にリンクするチューブレットレベルのバウンディングボックスを利用する。
その結果, 後処理段階とチューブレットレベルのバウンディングボックスリンクにより検出精度が向上し, YOLOv5単独と比較して約3%高い性能が得られた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Indonesia, as a maritime country, has a significant portion of its territory
covered by water. Ineffective waste management has resulted in a considerable
amount of trash in Indonesian waters, leading to various issues. The
development of an automated trash-collecting robot can be a solution to address
this problem. The robot requires a system capable of detecting objects in
motion, such as in videos. However, using naive object detection methods in
videos has limitations, particularly when image focus is reduced and the target
object is obstructed by other objects. This paper's contribution provides an
explanation of the methods that can be applied to perform video object
detection in an automated trash-collecting robot. The study utilizes the YOLOv5
model and the Robust & Efficient Post Processing (REPP) method, along with
tubelet-level bounding box linking on the FloW and Roboflow datasets. The
combination of these methods enhances the performance of naive object detection
from YOLOv5 by considering the detection results in adjacent frames. The
results show that the post-processing stage and tubelet-level bounding box
linking can improve the quality of detection, achieving approximately 3% better
performance compared to YOLOv5 alone. The use of these methods has the
potential to detect surface and underwater trash and can be applied to a
real-time image-based trash-collecting robot. Implementing this system is
expected to mitigate the damage caused by trash in the past and improve
Indonesia's waste management system in the future.
- Abstract（参考訳）: インドネシアは海洋国であり、その領域のかなりの部分が水に覆われている。
不効率な廃棄物管理は、インドネシアの水域でかなりの量のゴミを処理し、様々な問題を引き起こした。
自動ゴミ収集ロボットの開発は、この問題に対処するための解決策となる。
このロボットは、ビデオなどの動作中の物体を検出するシステムを必要とする。
しかし、ビデオにおける単純オブジェクト検出手法の使用には制限があり、特に画像フォーカスが減少し、対象オブジェクトが他のオブジェクトによって妨害される場合である。
本稿では, 自動ゴミ収集ロボットにおいて, 映像オブジェクト検出に適用可能な手法について解説する。
本研究は, YOLOv5モデルとRobust & Efficient Post Processing (REPP)法およびFloWおよびRoboflowデータセット上にリンクするチューブレットレベルのバウンディングボックスを利用する。
これらの手法を組み合わせることで、隣接フレームにおける検出結果を考慮して、YOLOv5からのネイティブオブジェクト検出の性能が向上する。
その結果, 後処理段階とチューブレットレベルのバウンディングボックスリンクにより検出精度が向上し, YOLOv5単独と比較して約3%高い性能が得られた。
これらの方法を使用することで、表面や水中のゴミを検知し、リアルタイムの画像ベースのゴミ収集ロボットに適用することができる。
このシステムの導入は, ゴミによる被害を軽減し, 今後インドネシアの廃棄物管理システムを改善することが期待されている。
関連論文リスト
- Optimizing Waste Management with Advanced Object Detection for Garbage Classification [1.3499500088995462]
本稿では,オブジェクト検出によるゴミの分類のためのAIモデルの実装についてレビューする。
この研究は、YOLO V5がプラスチック、紙、ガラス、金属、段ボール、生分解性物質など、様々な種類の廃棄物を効果的に識別する方法を実証している。
論文 参考訳（メタデータ） (2024-10-13T19:32:01Z) - Underwater Object Detection Enhancement via Channel Stabilization [12.994898879803642]
海洋ゴミは水生生態系を危険にさらし、永続的な課題を提示している。
Detectron2のバックボーンには,さまざまなベースモデルとコンフィギュレーションが用意されています。
本稿では,単純化された画像強調モデルとともに,新しいチャネル安定化手法を提案する。
論文 参考訳（メタデータ） (2024-08-02T14:28:49Z) - Designing A Sustainable Marine Debris Clean-up Framework without Human Labels [0.0]
海洋の破片は、鳥類、魚、その他の動物の生命に重大な生態学的脅威をもたらす。
伝統的に残骸の堆積を評価する方法には、労働集約的かつ高価な手作業による調査が含まれる。
本研究では,ドローンが捉えた空中画像を利用して遠隔地ゴミ調査を行うフレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-23T17:28:23Z) - Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。
本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。
本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-04-19T19:44:24Z) - Diffusion-Based Particle-DETR for BEV Perception [94.88305708174796]
Bird-Eye-View (BEV)は、自律走行車(AV)における視覚知覚のための最も広く使われているシーンの1つである。
近年の拡散法は、視覚知覚のための不確実性モデリングに有望なアプローチを提供するが、BEVの広い範囲において、小さな物体を効果的に検出することができない。
本稿では,BEVにおける拡散パラダイムと最先端の3Dオブジェクト検出器を組み合わせることで,この問題に対処する。
論文 参考訳（メタデータ） (2023-12-18T09:52:14Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Implementing Edge Based Object Detection For Microplastic Debris [0.0]
プラスチックは、我々の日々の活動に欠かせない存在として自制している。
プラスチックの破片レベルは、埋立地のゴミ処理場に廃棄物が蓄積されるにつれて上昇し続けている。
このプロジェクトでは、サンプル画像の時間的検出で実行可能なモデルを生成することができる。
論文 参考訳（メタデータ） (2023-07-30T17:55:03Z) - Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。
搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。
ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
論文 参考訳（メタデータ） (2022-06-16T10:45:17Z) - FOVEA: Foveated Image Magnification for Autonomous Navigation [53.69803081925454]
入力キャンバスを小さく保ちながら、ある領域を弾性的に拡大する注意的アプローチを提案する。
提案手法は,高速R-CNNより高速かつ微調整の少ない検出APを高速化する。
Argoverse-HD と BDD100K の自律走行データセットでは,提案手法が標準の高速 R-CNN を超越した検出APを微調整なしで促進することを示す。
論文 参考訳（メタデータ） (2021-08-27T03:07:55Z) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳（メタデータ） (2021-06-04T22:17:09Z) - Robotic Waste Sorter with Agile Manipulation and Quickly Trainable
Detector [3.3073775218038883]
廃棄物処理を自動化する目的は、ロボットによる廃棄物の堅牢な検出とアジャイル操作の人間的役割を置き換えることである。
まず,ハンドレスなプッシュ・アンド・ドロップ操作とピック・アンド・リリース操作を組み合わせた操作手法を提案する。
次に,物体画像を自動的に収集し,深層ニューラルネットワークモデルを迅速に訓練するロボットシステムを提案する。
論文 参考訳（メタデータ） (2021-04-02T22:19:34Z)
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。