論文の概要: MVD:A Novel Methodology and Dataset for Acoustic Vehicle Type Classification

• arxiv url: http://arxiv.org/abs/2309.03544v1
• Date: Thu, 7 Sep 2023 08:02:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-08 13:58:28.437827
• Title: MVD:A Novel Methodology and Dataset for Acoustic Vehicle Type Classification
• Title（参考訳）: MVD:音響車両型分類の新しい手法とデータセット
• Authors: Mohd Ashhad, Omar Ahmed, Sooraj K. Ambat, Zeeshan Ali Haq, Mansaf Alam
• Abstract要約: 音響トラフィックモニタリングと車種分類アルゴリズムを開発するためのオープンデータセットを2つ提示する。 本稿では,ケプストラムとスペクトルに基づく局所的・大域的音声特徴を用いて,これらの音響信号を高精度に分類する方法とマルチ入力ニューラルネットワークを提案する。
• 参考スコア（独自算出の注目度）: 0.6249768559720122
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rising urban populations have led to a surge in vehicle use and made traffic monitoring and management indispensable. Acoustic traffic monitoring (ATM) offers a cost-effective and efficient alternative to more computationally expensive methods of monitoring traffic such as those involving computer vision technologies. In this paper, we present MVD and MVDA: two open datasets for the development of acoustic traffic monitoring and vehicle-type classification algorithms, which contain audio recordings of moving vehicles. The dataset contain four classes- Trucks, Cars, Motorbikes, and a No-vehicle class. Additionally, we propose a novel and efficient way to accurately classify these acoustic signals using cepstrum and spectrum based local and global audio features, and a multi-input neural network. Experimental results show that our methodology improves upon the established baselines of previous works and achieves an accuracy of 91.98% and 96.66% on MVD and MVDA Datasets, respectively. Finally, the proposed model was deployed through an Android application to make it accessible for testing and demonstrate its efficacy.
• Abstract（参考訳）: 都市人口の増加により、自動車の利用が急増し、交通の監視と管理が不可欠となった。 アコースティック・トラヒック・モニタリング(ATM)は、コンピュータビジョン技術を含むような、より計算コストのかかるトラヒックの監視方法に代わるコスト効率が高く効率的な代替手段を提供する。 本稿では,移動車両の音響記録を含む音響トラヒックモニタリングと車両分類アルゴリズムの開発のために,mvdとmvdaの2つのオープンデータセットを提案する。 データセットにはトラック、カー、バイク、ノービークルの4つのクラスが含まれている。 さらに,cepstrum と spectrum based local and global audio と multi-input neural network を用いて,これらの音響信号を高精度に分類する手法を提案する。 実験結果から,本手法は従来手法の確立したベースラインを改善し,MVDデータセットとMVDAデータセットでそれぞれ91.98%,96.66%の精度を達成した。 最後に、提案されたモデルはandroidアプリケーションを通してデプロイされ、テストにアクセスしやすくなり、その効果を示す。

関連論文リスト

• Self-Updating Vehicle Monitoring Framework Employing Distributed Acoustic Sensing towards Real-World Settings [5.306938463648908]
  本稿では,都市環境に合わせて,リアルタイムな半教師付き車両監視フレームワークを提案する。 初期トレーニングにはわずかな手動ラベルしか必要とせず、モデル改善のためにラベル付けされていないデータを活用する。 車両の走行速度の異なる1台の車両を追尾するために、車両の軌跡形状を取り入れた新しい先行損失を提案する。
  論文  参考訳（メタデータ） (2024-09-16T13:10:58Z)
• A Holistic Framework Towards Vision-based Traffic Signal Control with Microscopic Simulation [53.39174966020085]
  交通信号制御(TSC)は交通渋滞を低減し、交通の流れを円滑にし、アイドリング時間を短縮し、CO2排出量を減らすために重要である。 本研究では,道路交通の流れを視覚的観察によって調節するTSCのコンピュータビジョンアプローチについて検討する。 我々は、視覚ベースのTSCとそのベンチマークに向けて、TrafficDojoと呼ばれる総合的なトラフィックシミュレーションフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-03-11T16:42:29Z)
• G-MEMP: Gaze-Enhanced Multimodal Ego-Motion Prediction in Driving [71.9040410238973]
  我々は、視線データを用いて、運転者の車両のエゴ軌道を推定することに集中する。 次に、GPSとビデオ入力と視線データを組み合わせた新しいマルチモーダルエゴ軌道予測ネットワークであるG-MEMPを開発する。 その結果,G-MEMPは両ベンチマークにおいて最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-12-13T23:06:30Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• A Distributed Acoustic Sensor System for Intelligent Transportation using Deep Learning [2.1219631216034127]
  本研究は,光ファイバーを用いた分散音響センサ(DAS)を用いた交通解析のための新しいデータソースについて検討する。 本研究では,DAS信号の分析を行う深層学習手法を提案する。 制御条件下で収集したDASデータに基づいて,車両の分類精度92%,乗員検出92%-97%を達成した。
  論文  参考訳（メタデータ） (2022-09-13T13:23:30Z)
• Federated Deep Learning Meets Autonomous Vehicle Perception: Design and Verification [168.67190934250868]
  フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。 FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。 マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
  論文  参考訳（メタデータ） (2022-06-03T23:55:45Z)
• Transferable Deep Reinforcement Learning Framework for Autonomous Vehicles with Joint Radar-Data Communications [69.24726496448713]
  本稿では,AVの最適決定を支援するために,マルコフ決定プロセス(MDP)に基づくインテリジェントな最適化フレームワークを提案する。 そこで我々は,近年の深層強化学習技術を活用した効果的な学習アルゴリズムを開発し,AVの最適方針を見出す。 提案手法は,従来の深部強化学習手法と比較して,AVによる障害物ミス検出確率を最大67%削減することを示す。
  論文  参考訳（メタデータ） (2021-05-28T08:45:37Z)
• IDMT-Traffic: An Open Benchmark Dataset for Acoustic Traffic Monitoring Research [0.4433315630787158]
  4718の車両通過イベントの2.5時間のステレオオーディオ記録を含む新しいオープンベンチマークデータセットを提示する。 このデータセットは、組み込みセンサーデバイスにオーディオ分類アルゴリズムをデプロイするユースケースを評価するのに適している。
  論文  参考訳（メタデータ） (2021-04-28T07:58:37Z)
• Dynamic Fusion Module Evolves Drivable Area and Road Anomaly Detection: A Benchmark and Algorithms [16.417299198546168]
  移動ロボットにとって,乾燥領域と道路異常の同時検出は非常に重要である。 本稿では,まず,地上移動ロボットの乾性領域と道路異常検出ベンチマークを構築した。 本稿では,既存のデータ・フュージョン・ネットワークに容易にデプロイ可能なdynamic fusion module (dfm) と呼ばれる新しいモジュールを提案する。
  論文  参考訳（メタデータ） (2021-03-03T14:38:27Z)
• Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data Augmentation [77.60050239225086]
  実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。 私達のアプローチは人間の相互作用なしで完全に自動です。 VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-15T03:03:38Z)
• Artificial Intelligence Enabled Traffic Monitoring System [3.085453921856008]
  本稿では,深層畳み込みニューラルネットワークを用いたリアルタイム交通映像の自動監視手法を提案する。 提案システムは、さまざまなトラフィック監視ニーズを自動化するために、最先端のディープラーニングアルゴリズムをデプロイする。
  論文  参考訳（メタデータ） (2020-10-02T22:28:02Z)

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。