論文の概要: Follow the Soldiers with Optimized Single-Shot Multibox Detection and Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2308.01389v1
• Date: Wed, 2 Aug 2023 19:08:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-04 16:06:46.663224
• Title: Follow the Soldiers with Optimized Single-Shot Multibox Detection and Reinforcement Learning
• Title（参考訳）: 単発マルチボックス検出と強化学習を最適化した兵士追跡
• Authors: Jumman Hossain, Maliha Momtaz
• Abstract要約: 私たちはDeepRacerを使って自律的なシステムを構築し、特定の人物(私たちのプロジェクト、兵士)がどんな方向に動いても追跡します。 このプロジェクトを達成するための2つの主要なコンポーネントは、最適化されたシングルショットマルチボックス検出(SSD)オブジェクト検出モデルと強化学習(RL)モデルである。 実験の結果,SSD Liteはこれらの3つの技術の中で優れた性能を示し,精度を損なうことなく,推論速度(2～3倍)を大幅に向上させることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Nowadays, autonomous cars are gaining traction due to their numerous potential applications on battlefields and in resolving a variety of other real-world challenges. The main goal of our project is to build an autonomous system using DeepRacer which will follow a specific person (for our project, a soldier) when they will be moving in any direction. Two main components to accomplish this project is an optimized Single-Shot Multibox Detection (SSD) object detection model and a Reinforcement Learning (RL) model. We accomplished the task using SSD Lite instead of SSD and at the end, compared the results among SSD, SSD with Neural Computing Stick (NCS), and SSD Lite. Experimental results show that SSD Lite gives better performance among these three techniques and exhibits a considerable boost in inference speed (~2-3 times) without compromising accuracy.
• Abstract（参考訳）: 現在、自動運転車は戦場での多くの潜在的な応用や、様々な現実世界の課題を解決するために勢いを増している。 このプロジェクトの主な目標は、DeepRacerを使って自律的なシステムを構築することです。 このプロジェクトを実現するための2つの主要なコンポーネントは、最適化されたssdオブジェクト検出モデルと強化学習(rl)モデルである。 我々はSSDの代わりにSSD Liteを用いてタスクを完了し、SSD、SSD with Neural Computing Stick (NCS)、SSD Liteを比較した。 実験の結果、ssd liteはこれら3つの技術の中で優れた性能を示し、精度を損なうことなく推論速度(2～3倍)を大幅に向上させることがわかった。

関連論文リスト

• VSSD: Vision Mamba with Non-Causal State Space Duality [26.96416515847115]
  状態空間モデル(SSM)は、線形計算の複雑さを提供するため、視覚タスクにおいて注目されている。 本稿では,VSSDの非因果形式であるVisual State Space Duality(VSSD)モデルを紹介する。 我々は、VSSDが既存の最先端SSMモデルを上回る画像分類、検出、セグメンテーションを含む様々なベンチマークで広範な実験を行う。
  論文  参考訳（メタデータ） (2024-07-26T07:16:52Z)
• Exploring Dynamic Transformer for Efficient Object Tracking [58.120191254379854]
  効率的なトラッキングのための動的トランスフォーマーフレームワークであるDyTrackを提案する。 DyTrackは、様々な入力に対して適切な推論ルートを設定することを学習し、利用可能な計算予算をより活用する。 複数のベンチマークの実験では、DyTrackは単一のモデルで有望な速度精度のトレードオフを実現している。
  論文  参考訳（メタデータ） (2024-03-26T12:31:58Z)
• Random resistive memory-based deep extreme point learning machine for unified visual processing [67.51600474104171]
  ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。 我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
  論文  参考訳（メタデータ） (2023-12-14T09:46:16Z)
• Semantic Segmentation in Satellite Hyperspectral Imagery by Deep Learning [54.094272065609815]
  本稿では1D-Justo-LiuNetという軽量な1D-CNNモデルを提案する。 1D-Justo-LiuNetは、全てのテストモデルの中で最小のモデルサイズ (4,563 パラメータ) を持つ最大精度 (0.93) を達成する。
  論文  参考訳（メタデータ） (2023-10-24T21:57:59Z)
• SSD-Faster Net: A Hybrid Network for Industrial Defect Inspection [0.7843067454030996]
  本稿では,鉄道,絶縁体,通勤機等の産業的欠陥検査のためのハイブリッドネットワーク,SSD-Faster Netを提案する。 SSD-Faster Netは2段階のネットワークであり、欠陥ブロックを素早く配置するためのSSDと、欠陥セグメンテーションのためのより高速なR-CNNを含んでいる。 実験によると、SSD-Faster Netの平均精度は84.03%であり、これは最も近い競合相手よりも13.42%高い。
  論文  参考訳（メタデータ） (2022-07-03T08:52:15Z)
• A Learning-based Approach Towards Automated Tuning of SSD Configurations [3.8975567119716805]
  我々は,ソリッドステートドライブ(SSD)のためのハードウェア構成をチューニングするための,LearnedSSDという自動学習ベースのフレームワークを提案する。 LearnedSSDは、ブロックI/Oトレースを使用して、新しいワークロードのユニークなアクセスパターンを自動的に抽出し、学習したエクスペリエンスを活用するために、ワークロードを以前のワークロードにマップし、検証されたストレージパフォーマンスに基づいた最適なSSD構成を推奨する。 我々は,マルチコアCPU上で効率的に動作可能な,単純かつ効率的な学習アルゴリズムを備えたLeartedSSDを開発した。
  論文  参考訳（メタデータ） (2021-10-17T00:25:21Z)
• Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
  我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。 本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。 次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
  論文  参考訳（メタデータ） (2021-05-20T17:52:37Z)
• SE-SSD: Self-Ensembling Single-Stage Object Detector From Point Cloud [44.009023567586446]
  点群における高精度かつ効率的な3D物体検出のために, セルフエンセンブルシングルステージオブジェクト検出器(SE-SSD)を提案する。 私たちの重要な焦点は、定式化された制約でソフトターゲットとハードターゲットの両方を活用することです。 当社のSE-SSDは、これまでのすべての作品と比較して最高性能を達成しました。
  論文  参考訳（メタデータ） (2021-04-20T07:33:03Z)
• DMD: A Large-Scale Multi-Modal Driver Monitoring Dataset for Attention and Alertness Analysis [54.198237164152786]
  視覚は運転監視システム(DMS)の最も豊かで費用対効果の高い技術である 十分に大規模で包括的なデータセットの欠如は、DMS開発の進展のボトルネックとなっている。 本稿では,実運転シナリオとシミュレーション運転シナリオを含む広範囲なデータセットであるドライバモニタリングデータセット(DMD)を紹介する。
  論文  参考訳（メタデータ） (2020-08-27T12:33:54Z)
• FSSD: Feature Fusion Single Shot Multibox Detector [8.016875965887815]
  FSSD(Feature Fusion Single Shot Multibox Detector)は、新しい軽量機能融合モジュールを備えた拡張SSDである。 我々のネットワークは、Nvidia 1080Ti GPUを使用して、入力サイズ300$times$300の65.8 FPS(秒間フレーム)で82.7 mAP(平均精度)を達成することができる。
  論文  参考訳（メタデータ） (2017-12-04T09:05:55Z)

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。