論文の概要: Improving temperature estimation in low-cost infrared cameras using deep neural networks

• arxiv url: http://arxiv.org/abs/2307.12130v1
• Date: Sat, 22 Jul 2023 17:13:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-25 18:01:38.832802
• Title: Improving temperature estimation in low-cost infrared cameras using deep neural networks
• Title（参考訳）: ディープニューラルネットワークを用いた低コスト赤外線カメラの温度推定
• Authors: Navot Oz, Nir Sochen, David Mendelovich, Iftach Klapp
• Abstract要約: 環境温度を考慮した非均一性シミュレータを開発した。 画像取得時の環境温度を組み込んだエンドツーエンドニューラルネットワークが導入された。 その結果, 提案手法は, 従来よりも約1円Cで平均温度誤差を下げることができた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Low-cost thermal cameras are inaccurate (usually $\pm 3^\circ C$) and have space-variant nonuniformity across their detector. Both inaccuracy and nonuniformity are dependent on the ambient temperature of the camera. The main goal of this work was to improve the temperature accuracy of low-cost cameras and rectify the nonuniformity. A nonuniformity simulator that accounts for the ambient temperature was developed. An end-to-end neural network that incorporates the ambient temperature at image acquisition was introduced. The neural network was trained with the simulated nonuniformity data to estimate the object's temperature and correct the nonuniformity, using only a single image and the ambient temperature measured by the camera itself. Results show that the proposed method lowered the mean temperature error by approximately $1^\circ C$ compared to previous works. In addition, applying a physical constraint on the network lowered the error by an additional $4\%$. The mean temperature error over an extensive validation dataset was $0.37^\circ C$. The method was verified on real data in the field and produced equivalent results.
• Abstract（参考訳）: 低コストのサーマルカメラは不正確(通常$\pm 3^\circ C$)で、検出器全体で空間変動の非均一性を持つ。 不正確さと不均一さは、カメラの周囲温度に依存する。 この研究の主な目標は、低コストカメラの温度精度を改善し、不均一性を正すことであった。 環境温度を考慮した非均一性シミュレータを開発した。 画像取得時の環境温度を組み込んだエンドツーエンドニューラルネットワークが導入された。 ニューラルネットワークは、シミュレーションされた非一様性データを用いて訓練され、物体の温度を推定し、カメラ自体によって測定された単一の画像と周囲温度のみを用いて不均一性を補正した。 その結果, 提案手法は, 従来よりも平均温度誤差を約1^\circ C$に下げることができた。 さらに、ネットワークに物理的な制約を適用することで、エラーを4.5%のコストで削減した。 検証データセットの平均温度誤差は0.37^\circ C$であった。 この手法はフィールド内の実データに基づいて検証し,等価な結果を得た。

関連論文リスト

• Rotational Odometry using Ultra Low Resolution Thermal Cameras [1.3986052523534573]
  この手紙は、我々の知る限りでは、回転計測のための超低解像度熱カメラの適用性に関する最初の研究である。 RGBカメラのような他のモダリティではなく、超低解像度のサーマルカメラを使うことは、照明条件に対するロバスト性によって動機づけられる。 CNN推定精度に対するサーマルカメラ解像度と連続フレーム数の影響を判定するための実験およびアブレーション研究を行った。
  論文  参考訳（メタデータ） (2024-11-02T12:15:32Z)
• Simultaneous temperature estimation and nonuniformity correction from multiple frames [0.0]
  低コストのマイクロボロメーターベースの赤外線カメラは、空間的に不均一であり、温度測定でドリフトする傾向がある。 低コストマイクロボロメータカメラで捉えた複数フレームからの同時温度推定と非均一性補正(NUC)のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-07-23T11:28:25Z)
• Long Horizon Temperature Scaling [90.03310732189543]
  LHTS(Long Horizon Temperature Scaling)は、温度スケールの関節分布をサンプリングするための新しい手法である。 温度依存性のLHTS目標を導出し, 温度範囲のモデルを微調整することで, 制御可能な長地平線温度パラメータで生成可能な単一モデルが得られることを示す。
  論文  参考訳（メタデータ） (2023-02-07T18:59:32Z)
• Sample-dependent Adaptive Temperature Scaling for Improved Calibration [95.7477042886242]
  ニューラルネットワークの誤りを補うポストホックアプローチは、温度スケーリングを実行することだ。 入力毎に異なる温度値を予測し、信頼度と精度のミスマッチを調整することを提案する。 CIFAR10/100およびTiny-ImageNetデータセットを用いて,ResNet50およびWideResNet28-10アーキテクチャ上で本手法をテストする。
  論文  参考訳（メタデータ） (2022-07-13T14:13:49Z)
• Steady-state microwave mode cooling with a diamond NV ensemble [1.1545092788508224]
  マイクロ波帯の周波数$omega$の電磁モードは室温でかなりの熱光子占有率を持つ。 この分散は、計測ノイズフロアを、無線通信から位置決め、ナビゲーション、タイミング、磁気共鳴イメージングに至るまでの用途に設定する。 室温ダイヤモンド中の光スピン偏光窒素空孔中心のアンサンブルに結合することで,3ドル GHz のキャビティモードを連続的に冷却することで,この障壁を克服する。
  論文  参考訳（メタデータ） (2022-03-07T15:25:24Z)
• In-Bed Person Monitoring Using Thermal Infrared Sensors [53.561797148529664]
  パナソニックグリッド(Panasonic Grid-EYE)は、低解像度の赤外線サーモパイルアレイセンサーで、よりプライバシーを提供する。 この目的のために、2つのデータセットが取得され、1つ (480 画像) は一定条件で、もう1つ (200 画像) は異なるバリエーションで取得された。 我々は、SVM(Support Vector Machines)、k-Nearest Neighbors(k-NN)、Neural Network(NN)の3つの機械学習アルゴリズムをテストする。
  論文  参考訳（メタデータ） (2021-07-16T15:59:07Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• Role of topology in determining the precision of a finite thermometer [58.720142291102135]
  低接続性は、温度計を低温で動作させるためのリソースであることに気付きました。 位置測定により達成可能な精度を,エネルギー測定に対応する最適値と比較する。
  論文  参考訳（メタデータ） (2021-04-21T17:19:42Z)
• Tensor Network for Supervised Learning at Finite Temperature [1.4717465036484292]
  有限温度テンソルネットワーク(fttn)は熱摂動を行列積状態フレームワークにインポートする。 FTTNは環境との絡み合いから計算した熱損失とみなしている。 温度のようなパラメータは自動的に最適化され、各データベースに個々の温度を与える。
  論文  参考訳（メタデータ） (2021-04-09T05:02:36Z)
• Thermal Prediction for Efficient Energy Management of Clouds using Machine Learning [31.735983199708013]
  プライベートクラウドからのデータを分析し、熱的変動の存在を示す。 温度予測のための勾配強化機械学習モデルを提案する。 さらに,ホストのピーク温度を最小化する動的スケジューリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-07T00:55:47Z)
• Deep learning for gravitational-wave data analysis: A resampling white-box approach [62.997667081978825]
  我々は、LIGO検出器からの単一干渉計データを用いて、畳み込みニューラルネットワーク(CNN)を用いて、コンパクトなバイナリコレッセンスにおける重力波(GW)信号を検出する。 CNNはノイズを検出するのに非常に正確だが、GW信号のリコールに十分な感度がないため、CNNはGWトリガの生成よりもノイズ低減に適している。
  論文  参考訳（メタデータ） (2020-09-09T03:28:57Z)

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。