論文の概要: MTD: Multi-Timestep Detector for Delayed Streaming Perception
- arxiv url: http://arxiv.org/abs/2309.06742v1
- Date: Wed, 13 Sep 2023 06:23:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-14 15:10:27.332107
- Title: MTD: Multi-Timestep Detector for Delayed Streaming Perception
- Title（参考訳）: MTD:遅延ストリーミング知覚のためのマルチステップ検出器
- Authors: Yihui Huang, Ningjiang Chen
- Abstract要約: ストリーミング知覚は、自律運転システムの遅延と精度を評価するために使用される、世界の現在の状態を報告するタスクである。
本稿では,マルチブランチ将来の予測に動的ルーティングを利用するエンドツーエンド検出器MTDを提案する。
提案手法はArgoverse-HDデータセットを用いて評価され,実験結果から,様々な遅延設定における最先端性能が得られたことが示された。
- 参考スコア（独自算出の注目度）: 0.5439020425819
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous driving systems require real-time environmental perception to
ensure user safety and experience. Streaming perception is a task of reporting
the current state of the world, which is used to evaluate the delay and
accuracy of autonomous driving systems. In real-world applications, factors
such as hardware limitations and high temperatures inevitably cause delays in
autonomous driving systems, resulting in the offset between the model output
and the world state. In order to solve this problem, this paper propose the
Multi- Timestep Detector (MTD), an end-to-end detector which uses dynamic
routing for multi-branch future prediction, giving model the ability to resist
delay fluctuations. A Delay Analysis Module (DAM) is proposed to optimize the
existing delay sensing method, continuously monitoring the model inference
stack and calculating the delay trend. Moreover, a novel Timestep Branch Module
(TBM) is constructed, which includes static flow and adaptive flow to
adaptively predict specific timesteps according to the delay trend. The
proposed method has been evaluated on the Argoverse-HD dataset, and the
experimental results show that it has achieved state-of-the-art performance
across various delay settings.
- Abstract（参考訳）: 自動運転システムは、ユーザの安全と経験を確保するために、リアルタイムな環境認識を必要とする。
ストリーミング知覚は、自動運転システムの遅延と正確性を評価するために使用される、世界の現在の状況を報告するタスクである。
実世界のアプリケーションでは、ハードウェアの限界や高温などの要因が必然的に自律運転システムの遅延を引き起こし、結果としてモデル出力と世界状態の相殺となる。
そこで本稿では,マルチブランチの将来予測に動的ルーティングを用いたエンド・ツー・エンド検出器であるマルチ・タイムステップ・ディテクター(mtd)を提案する。
遅延解析モジュール(DAM)は,既存の遅延検出手法を最適化し,モデル推論スタックを継続的に監視し,遅延傾向を計算する。
さらに、遅延傾向に応じて特定のタイムステップを適応的に予測する静的フローと適応フローを含む新しいタイムステップ分岐モジュール(TBM)を構築した。
提案手法はArgoverse-HDデータセットを用いて評価され,実験結果から,様々な遅延設定における最先端性能が得られたことが示された。
関連論文リスト
- Transtreaming: Adaptive Delay-aware Transformer for Real-time Streaming Perception [18.403242474776764]
本研究は,動的計算遅延を伴うリアルタイム物体検出の課題に対処する,革新的なリアルタイムストリーミング認識手法であるTranstreamingを提案する。
提案モデルは,単一フレーム検出シナリオにおいても,既存の最先端手法よりも優れている。
Transtreamingは、あらゆる種類のデバイスにおける厳格なリアルタイム処理要件を満たす。
論文 参考訳（メタデータ） (2024-09-10T15:26:38Z) - Robust Predictions with Ambiguous Time Delays: A Bootstrap Strategy [5.71557730775514]
Time Series Model Bootstrap (TSMB) は、時系列モデリングにおいて潜在的に変動または非決定論的な時間遅延を処理するために設計された汎用的なフレームワークである。
TSMBはトレーニングされたモデルの性能を大幅に向上させ、このフレームワークを使って予測する。
論文 参考訳（メタデータ） (2024-08-23T02:38:20Z) - Unveiling Delay Effects in Traffic Forecasting: A Perspective from
Spatial-Temporal Delay Differential Equations [20.174094418301245]
交通流予測は交通計画と管理の基本的な研究課題である。
近年,グラフニューラルネットワーク (GNN) とリカレントニューラルネットワーク (RNN) は交通流予測のための空間的時間的相関を捉えることに成功している。
1) GNNでのメッセージパッシングは即時であり、実際には近隣ノード間の空間的メッセージインタラクションは遅延する可能性がある。
論文 参考訳（メタデータ） (2024-02-02T08:55:23Z) - Neural Laplace Control for Continuous-time Delayed Systems [76.81202657759222]
本稿では,ニューラルラプラス力学モデルとモデル予測制御(MPC)プランナを組み合わせた連続時間モデルに基づくオフラインRL法を提案する。
専門家の政策性能に近い連続的な遅延環境を実験的に示す。
論文 参考訳（メタデータ） (2023-02-24T12:40:28Z) - Towards Long-Term Time-Series Forecasting: Feature, Pattern, and
Distribution [57.71199089609161]
長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。
トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。
LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
論文 参考訳（メタデータ） (2023-01-05T13:59:29Z) - DaDe: Delay-adaptive Detector for Streaming Perception [0.0]
リアルタイム環境では、処理が終了すると周囲環境が変化する。
リアルタイム映像認識のレイテンシと精度を評価するために,ストリーム認識を提案する。
我々は,処理遅延をリアルタイムに反映し,最も合理的な結果が得られるモデルを開発した。
論文 参考訳（メタデータ） (2022-12-22T09:25:46Z) - Time-to-Green predictions for fully-actuated signal control systems with
supervised learning [56.66331540599836]
本稿では,集約信号とループ検出データを用いた時系列予測フレームワークを提案する。
我々は、最先端の機械学習モデルを用いて、将来の信号位相の持続時間を予測する。
スイスのチューリッヒの信号制御システムから得られた経験的データに基づいて、機械学習モデルが従来の予測手法より優れていることを示す。
論文 参考訳（メタデータ） (2022-08-24T07:50:43Z) - StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。
本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。
本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文 参考訳（メタデータ） (2022-07-21T12:03:02Z) - Real-time Object Detection for Streaming Perception [84.2559631820007]
ストリーミング知覚は,ビデオオンライン知覚の1つの指標として,レイテンシと精度を共同評価するために提案される。
ストリーミング知覚のためのシンプルで効果的なフレームワークを構築します。
提案手法はArgoverse-HDデータセット上での競合性能を実現し,強力なベースラインに比べてAPを4.9%向上させる。
論文 参考訳（メタデータ） (2022-03-23T11:33:27Z) - Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge
Computing: A Contextual-Bandit Approach [81.5261621619557]
階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。
まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。
そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
論文 参考訳（メタデータ） (2021-08-09T08:45:47Z) - R-TOD: Real-Time Object Detector with Minimized End-to-End Delay for
Autonomous Driving [3.366875318492424]
本稿では、エンドツーエンドの遅延をより包括的に理解することを目的としている。
i)オンデマンドキャプチャ、ii)ゼロスラックパイプライン、iii)競合のないパイプラインの3つの最適化手法が実装されている。
実験の結果,Darknet YOLO v3のエンド・ツー・エンド遅延は76%減少した。
論文 参考訳（メタデータ） (2020-10-23T01:03:46Z)
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。