Fugu-MT 論文翻訳(概要): Smart City Transportation: Deep Learning Ensemble Approach for Traffic Accident Detection

論文の概要: Smart City Transportation: Deep Learning Ensemble Approach for Traffic Accident Detection

arxiv url: http://arxiv.org/abs/2310.10038v1
Date: Mon, 16 Oct 2023 03:47:08 GMT
ステータス: 処理完了
システム内更新日: 2023-10-17 16:37:30.376539
Title: Smart City Transportation: Deep Learning Ensemble Approach for Traffic Accident Detection
Title（参考訳）: スマートシティ交通:交通事故検出のためのディープラーニングアンサンブルアプローチ
Authors: Victor Adewopo, Nelly Elsayed
Abstract要約: 本稿では,スマートシティ交通監視システムにおける事故検出に適した軽量ソリューションであるI3D-CONVLSTM2Dモデルアーキテクチャを提案する。 I3D-CONVLSTM2D RGB + Optical-Flow (Trainable) モデルでは, 平均精度が87%, 平均精度が87%であった。我々の研究は、スマート都市インフラ内のエッジIoTデバイスへのリアルタイム統合を前提とした、高度な視覚ベースの事故検出システムへの道筋を照らしている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The dynamic and unpredictable nature of road traffic necessitates effective accident detection methods for enhancing safety and streamlining traffic management in smart cities. This paper offers a comprehensive exploration study of prevailing accident detection techniques, shedding light on the nuances of other state-of-the-art methodologies while providing a detailed overview of distinct traffic accident types like rear-end collisions, T-bone collisions, and frontal impact accidents. Our novel approach introduces the I3D-CONVLSTM2D model architecture, a lightweight solution tailored explicitly for accident detection in smart city traffic surveillance systems by integrating RGB frames with optical flow information. Our experimental study's empirical analysis underscores our approach's efficacy, with the I3D-CONVLSTM2D RGB + Optical-Flow (Trainable) model outperforming its counterparts, achieving an impressive 87\% Mean Average Precision (MAP). Our findings further elaborate on the challenges posed by data imbalances, particularly when working with a limited number of datasets, road structures, and traffic scenarios. Ultimately, our research illuminates the path towards a sophisticated vision-based accident detection system primed for real-time integration into edge IoT devices within smart urban infrastructures.
Abstract（参考訳）: 道路交通の動的かつ予測不能な性質は、スマートシティにおける安全と交通管理の合理化のための効果的な事故検出方法を必要とする。本稿では,事故検出手法の包括的考察を行い,他の最先端手法のニュアンスを概観するとともに,後端衝突,tボーン衝突,前方衝突事故などの交通事故タイプの詳細を明らかにした。我々の新しいアプローチでは,RGBフレームと光フロー情報を統合することで,スマートシティ交通監視システムにおける事故検出のための軽量ソリューションであるI3D-CONVLSTM2Dモデルアーキテクチャを導入している。実験の結果,i3d-convlstm2d rgb + optical-flow (trainable) モデルの有効性が評価され,平均平均精度 (map) が87\%向上した。特に限られた数のデータセット、道路構造、交通シナリオを扱う場合において、データの不均衡によって生じる課題についてさらに詳しく調べました。最終的に、私たちの研究は、スマート都市インフラ内のエッジIoTデバイスにリアルタイムに統合するための、高度な視覚ベースの事故検出システムへの道のりを照らしています。

関連論文リスト

Real-time Accident Anticipation for Autonomous Driving Through Monocular Depth-Enhanced 3D Modeling [18.071748815365005]
我々は、現在のSOTA(State-of-the-art)2Dベースの手法を超えて予測能力を著しく向上させる革新的なフレームワークであるAccNetを導入する。本稿では,交通事故データセットにおけるスキュードデータ分散の課題に対処するため,早期予測のためのバイナリ適応損失(BA-LEA)を提案する。
論文参考訳（メタデータ） (2024-09-02T13:46:25Z)
Big Data and Deep Learning in Smart Cities: A Comprehensive Dataset for AI-Driven Traffic Accident Detection and Computer Vision Systems [0.0]
本研究は,スマートシティにおける最先端技術の適用について考察する。本稿では,交通事故検出のための新しい包括的データセットを提案する。このデータセットは学術研究を推進し、リアルタイムの事故検出アプリケーションを強化することが期待されている。
論文参考訳（メタデータ） (2024-01-07T21:50:24Z)
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)
AI on the Road: A Comprehensive Analysis of Traffic Accidents and Accident Detection System in Smart Cities [0.0]
本稿では,米国各地における交通事故の包括的分析について述べる。事故検出と交通分析の課題に対処するために,交通監視カメラと行動認識システムを用いたフレームワークを提案する。
論文参考訳（メタデータ） (2023-07-22T17:08:13Z)
Perspective Aware Road Obstacle Detection [104.57322421897769]
道路障害物検出技術は,車間距離が大きくなるにつれて障害物の見かけの規模が減少するという事実を無視することを示す。画像位置毎に仮想物体の見かけの大きさを符号化したスケールマップを演算することでこれを活用できる。次に、この視点マップを利用して、遠近法に対応する大きさの道路合成物体に注入することで、トレーニングデータを生成する。
論文参考訳（メタデータ） (2022-10-04T17:48:42Z)
TAD: A Large-Scale Benchmark for Traffic Accidents Detection from Video Surveillance [2.1076255329439304]
既存の交通事故のデータセットは小規模で、監視カメラからではなく、オープンソースではない。様々な次元による統合とアノテーションの後に,TADという大規模交通事故データセットが提案されている。
論文参考訳（メタデータ） (2022-09-26T03:00:50Z)
Real-Time Accident Detection in Traffic Surveillance Using Deep Learning [0.8808993671472349]
本稿では,交通監視用交差点における事故検出のための新しい効率的な枠組みを提案する。提案手法は,最先端のYOLOv4法に基づく効率的かつ高精度な物体検出を含む,3つの階層的なステップから構成される。提案フレームワークのロバスト性は,様々な照明条件でYouTubeから収集した映像シーケンスを用いて評価する。
論文参考訳（メタデータ） (2022-08-12T19:07:20Z)
Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
3D MOT問題に対する統一型学習型アプローチを提案します。我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。 AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
論文参考訳（メタデータ） (2021-04-23T17:59:28Z)
Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
論文参考訳（メタデータ） (2021-04-19T11:48:13Z)
Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文参考訳（メタデータ） (2020-07-28T07:34:30Z)
Training-free Monocular 3D Event Detection System for Traffic Surveillance [93.65240041833319]
既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
論文参考訳（メタデータ） (2020-02-01T04:42:57Z)

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。