論文の概要: RaceLens: A Machine Intelligence-Based Application for Racing Photo
Analysis
- arxiv url: http://arxiv.org/abs/2310.13515v1
- Date: Fri, 20 Oct 2023 13:58:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 22:45:44.693381
- Title: RaceLens: A Machine Intelligence-Based Application for Racing Photo
Analysis
- Title(参考訳): RaceLens: レーシング写真分析のためのマシンインテリジェンスベースのアプリケーション
- Authors: Andrei Boiarov, Dmitry Bleklov, Pavlo Bredikhin, Nikita Koritsky and
Sergey Ulasen
- Abstract要約: RaceLensは、高度なディープラーニングとコンピュータビジョンモデルを利用して、レース写真の包括的な分析を行う新しいアプリケーションである。
モデルトレーニングに必要な堅牢なデータセット収集のプロセスについて議論し、このデータセットを継続的に拡張および改善するために設計したアプローチについて述べる。
本研究は,NASCARチームによる4シーズンにわたる展開の成功に焦点を当て,RaceLensの実践的応用の図示に重点を置いている。
- 参考スコア(独自算出の注目度): 0.2443208492624608
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents RaceLens, a novel application utilizing advanced deep
learning and computer vision models for comprehensive analysis of racing
photos. The developed models have demonstrated their efficiency in a wide array
of tasks, including detecting racing cars, recognizing car numbers, detecting
and quantifying car details, and recognizing car orientations. We discuss the
process of collecting a robust dataset necessary for training our models, and
describe an approach we have designed to augment and improve this dataset
continually. Our method leverages a feedback loop for continuous model
improvement, thus enhancing the performance and accuracy of RaceLens over time.
A significant part of our study is dedicated to illustrating the practical
application of RaceLens, focusing on its successful deployment by NASCAR teams
over four seasons. We provide a comprehensive evaluation of our system's
performance and its direct impact on the team's strategic decisions and
performance metrics. The results underscore the transformative potential of
machine intelligence in the competitive and dynamic world of car racing,
setting a precedent for future applications.
- Abstract(参考訳): 本稿では,高度な深層学習とコンピュータビジョンモデルを用いたレース写真の包括的解析を行うRaceLensを提案する。
開発したモデルは、レーシングカーの検出、車番号の認識、車の詳細の検出と定量化、車方向の認識など、幅広いタスクでその効率を実証した。
モデルトレーニングに必要な堅牢なデータセット収集のプロセスについて議論し、このデータセットを継続的に拡張および改善するために設計したアプローチについて述べる。
提案手法は,連続モデルの改善にフィードバックループを活用し,時間とともにレースレンズの性能と精度を向上させる。
本研究は,NASCARチームによる4シーズンにわたる展開の成功に焦点を当て,RaceLensの実践的応用の図示に重点を置いている。
システムのパフォーマンスと、そのチームの戦略的決定とパフォーマンス指標に対する直接的な影響を総合的に評価する。
この結果は、カーレースの競争と動的世界におけるマシンインテリジェンスの変革の可能性を強調し、将来の応用の先例となる。
関連論文リスト
- Mastering Nordschleife -- A comprehensive race simulation for AI
strategy decision-making in motorsports [0.0]
本稿では,GTレースに適した新しいシミュレーションモデルを開発する。
シミュレーションをOpenAIのGymフレームワークに統合することにより、強化学習環境を作成し、エージェントを訓練する。
本論文は,レースシミュレーションにおける強化学習の広範な適用に寄与し,FIAフォーミュラ1を超えるレース戦略最適化の可能性の解放に寄与する。
論文 参考訳(メタデータ) (2023-06-28T10:39:31Z) - Vehicle Dynamics Modeling for Autonomous Racing Using Gaussian Processes [0.0]
本稿では,自動走行における車両動力学の近似におけるGPモデルの適用性について,最も詳細な解析を行った。
人気のあるF1TENTHレーシングプラットフォームのための動的および拡張キネマティックモデルを構築した。
論文 参考訳(メタデータ) (2023-06-06T04:53:06Z) - Towards Active Learning for Action Spotting in Association Football
Videos [59.84375958757395]
フットボールビデオの分析は困難であり、微妙で多様な時間的パターンを特定する必要がある。
現在のアルゴリズムは、限られた注釈付きデータから学ぶ際に大きな課題に直面している。
次にアノテートすべき最も情報に富んだビデオサンプルを選択する能動的学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-04-09T11:50:41Z) - Unsupervised Driving Event Discovery Based on Vehicle CAN-data [62.997667081978825]
本研究は,車両CANデータのクラスタリングとセグメンテーションを同時に行うことで,一般的な運転イベントを教師なしで識別する手法である。
我々は、実際のTesla Model 3車載CANデータと、異なる運転イベントをアノテートした2時間の運転セッションのデータセットを用いて、アプローチを評価した。
論文 参考訳(メタデータ) (2023-01-12T13:10:47Z) - FBLNet: FeedBack Loop Network for Driver Attention Prediction [75.83518507463226]
非客観的運転経験はモデル化が難しい。
本稿では,運転経験蓄積過程をモデル化するFeedBack Loop Network (FBLNet)を提案する。
インクリメンタルな知識の指導のもと、私たちのモデルは入力画像から抽出されたCNN特徴とトランスフォーマー特徴を融合し、ドライバーの注意を予測します。
論文 参考訳(メタデータ) (2022-12-05T08:25:09Z) - On the Choice of Data for Efficient Training and Validation of
End-to-End Driving Models [32.381828309166195]
エンド・ツー・エンドでトレーニング可能なディープ・ドライビング・モデルのトレーニングと検証に対するデータ設計選択の影響について検討する。
検証設計により、検証中に測定された駆動性能を未知のテスト環境に一般化できることを示す。
論文 参考訳(メタデータ) (2022-06-01T16:25:28Z) - An Adaptive Human Driver Model for Realistic Race Car Simulations [25.67586167621258]
我々は、レースドライバーの振る舞いをよりよく理解し、模倣学習に基づく適応的な人間のレースドライバーモデルを導入する。
我々のフレームワークは、ほぼ人間に近い性能で、目に見えないレーストラック上で、現実的な走行線分布を作成できることを示します。
論文 参考訳(メタデータ) (2022-03-03T18:39:50Z) - Autonomous Overtaking in Gran Turismo Sport Using Curriculum
Reinforcement Learning [39.757652701917166]
本研究では,自律オーバーテイク問題に対する新たな学習手法を提案する。
カーレースシミュレーターであるGran Turismo Sportによるアプローチの評価を行った。
論文 参考訳(メタデータ) (2021-03-26T18:06:50Z) - Real-world Ride-hailing Vehicle Repositioning using Deep Reinforcement
Learning [52.2663102239029]
アイドルヘイリングプラットフォーム上での現実世界の車両の深層強化学習と意思決定時間計画に基づく新しい実用的枠組みを提示する。
本手法は,重み付きバッチ学習アルゴリズムを用いて乗車時の状態値関数を学習する。
配車シミュレーション環境におけるベースラインでアルゴリズムをベンチマークし、収益効率の向上における優位性を実証します。
論文 参考訳(メタデータ) (2021-03-08T05:34:05Z) - Diverse Complexity Measures for Dataset Curation in Self-driving [80.55417232642124]
トラフィックシーンの面白さを定量化する多様な基準を活用した新たなデータ選択手法を提案する。
実験の結果,提案するキュレーションパイプラインは,より汎用的で高いパフォーマンスをもたらすデータセットを選択できることが判明した。
論文 参考訳(メタデータ) (2021-01-16T23:45:02Z) - VehicleNet: Learning Robust Visual Representation for Vehicle
Re-identification [116.1587709521173]
我々は,4つのパブリックな車両データセットを活用することで,大規模車両データセット(VabyNet)を構築することを提案する。
VehicleNetからより堅牢な視覚表現を学習するための、シンプルで効果的な2段階プログレッシブアプローチを設計する。
AICity Challengeのプライベートテストセットにおいて,最先端の精度86.07%mAPを実現した。
論文 参考訳(メタデータ) (2020-04-14T05:06:38Z)
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。