論文の概要: Hydra: Computer Vision for Data Quality Monitoring
- arxiv url: http://arxiv.org/abs/2403.00689v1
- Date: Fri, 1 Mar 2024 17:20:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-05 16:45:54.913900
- Title: Hydra: Computer Vision for Data Quality Monitoring
- Title（参考訳）: Hydra: データ品質モニタリングのためのコンピュータビジョン
- Authors: Thomas Britton, Torri Jeske, David Lawrence, Kishansingh Rajput
- Abstract要約: Hydraは、コンピュータビジョンを利用して、ほぼリアルタイムのデータ品質管理を行うシステムである。
ジェファーソン研究所のすべての実験ホールに展開され、ホールBでのCLAS12コラボレーションはHydraをフル活用した最初のGlueXの外部である。
講演では、Hydraシステムの概要と、Hydraの機能セットの大幅な発展、すべてのホールでHydraを運用する上での急激な課題、その過程で学んだ教訓について紹介する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hydra is a system which utilizes computer vision to perform near real time
data quality management, initially developed for Hall-D in 2019. Since then, it
has been deployed across all experimental halls at Jefferson Lab, with the
CLAS12 collaboration in Hall-B being the first outside of GlueX to fully
utilize Hydra. The system comprises back end processes that manage the models,
their inferences, and the data flow. The front-end components, accessible via
web pages, allow detector experts and shift crews to view and interact with the
system. This talk will give an overview of the Hydra system as well as
highlight significant developments in Hydra's feature set, acute challenges
with operating Hydra in all halls, and lessons learned along the way.
- Abstract（参考訳）: Hydraはコンピュータビジョンを利用して、2019年にホールD向けに開発されたほぼリアルタイムのデータ品質管理を行うシステムである。
それ以来、ジェファーソン研究所のすべての実験ホールに展開され、ホールBでのCLAS12コラボレーションは、Hydraをフル活用した最初のGlueXの外部である。
システムは、モデル、推論、データフローを管理するバックエンドプロセスで構成されている。
フロントエンドコンポーネントはWebページからアクセスでき、検出器の専門家やシフトクルーがシステムを見たり操作したりできる。
この講演では、hydraシステムの概要と、hydraの機能セットの重要な進展、すべてのホールでhydraを運用する上での課題、その過程で学んだ教訓について紹介する。
関連論文リスト
- Hydra-MDP: End-to-end Multimodal Planning with Multi-target Hydra-Distillation [115.63989808986105]
教師-学生モデルに複数の教師を取り入れた新しいパラダイムであるHydra-MDPを提案する。
このアプローチは、学生モデルを訓練するために、人間とルールベースの教師の両方からの知識蒸留を利用する。
ルールベースの教師の知識により、Hydra-MDPは、非微分不可能な後処理に頼るのではなく、エンド・ツー・エンドの方法で環境がプランニングにどのように影響するかを学ぶ。
論文 参考訳（メタデータ） (2024-06-11T06:18:26Z) - HawkDrive: A Transformer-driven Visual Perception System for Autonomous Driving in Night Scene [2.5022287664959446]
HawkDriveは、ハードウェアとソフトウェアソリューションを備えた新しいビジョンシステムである。
立体視認識を利用するハードウェアは、エッジコンピューティングデバイスNvidia Jetson Xavier AGXと提携している。
低光強調、深度推定、セマンティックセグメンテーションタスクのためのソフトウェアは、トランスフォーマーベースのニューラルネットワークである。
論文 参考訳（メタデータ） (2024-04-06T15:10:29Z) - HydraScreen: A Generalizable Structure-Based Deep Learning Approach to
Drug Discovery [0.0]
HydraScreenは、より堅牢な機械学習による薬物発見のためのフレームワークを提供することを目指している。
我々は最先端の3D畳み込みニューラルネットワークを用いて、タンパク質-リガンド結合における分子構造と相互作用を表現している。
HydraScreenはユーザフレンドリなGUIと公開APIを提供し、個々のタンパク質-リガンド複合体の簡易な評価を容易にする。
論文 参考訳（メタデータ） (2023-09-22T18:48:34Z) - Automatic Anomalies Detection in Hydraulic Devices [1.5469452301122175]
本稿では,油圧システム,シリンダにおいて,最も多用途で用いられている装置の1つにおいて,異常のキャラクタリゼーションと評価を行うためのソリューションを提案する。
AIとMLモデルは、これらの油圧部品の現在の運転状況を決定するために実装された。
論文 参考訳（メタデータ） (2022-12-05T21:16:19Z) - Level 2 Autonomous Driving on a Single Device: Diving into the Devils of
Openpilot [112.21008828205409]
Comma.aiは、1台のカメラとボードを内蔵した999ドルのアフターマーケットデバイスがL2シナリオを処理する能力を持っていると主張している。
Comma.aiがリリースした全システムのオープンソースソフトウェアとともに、プロジェクトはOpenpilotと名付けられた。
このレポートでは、最新の知見を公開し、産業製品レベルでのエンドツーエンドの自動運転という、新たな視点について光を当てたいと思います。
論文 参考訳（メタデータ） (2022-06-16T13:43:52Z) - Around View Monitoring System for Hydraulic Excavators [0.09264362806173357]
本稿では, 盲点による安全事故を防止し, 運転効率を向上させる油圧掘削機の周辺ビューモニタリング(AVM)システムについて述べる。
実験の結果,視野の7m,画像のリフレッシュレート15fps,作業情報データ受信レート300ms,表面条件データ受信レート300msの順で適用性を示した。
論文 参考訳（メタデータ） (2022-04-04T21:54:43Z) - ADAPT: An Open-Source sUAS Payload for Real-Time Disaster Prediction and
Response with AI [55.41644538483948]
小型無人航空機システム(sUAS)は、多くの人道支援や災害対応作戦において顕著な構成要素となっている。
我々は,SUAS上にリアルタイムAIとコンピュータビジョンをデプロイするための,オープンソースのADAPTマルチミッションペイロードを開発した。
本研究では,河川氷の状態を監視し,破滅的な洪水現象をタイムリーに予測するための,リアルタイム・飛行中の氷分断の例を示す。
論文 参考訳（メタデータ） (2022-01-25T14:51:19Z) - STC speaker recognition systems for the NIST SRE 2021 [56.05258832139496]
本稿では,NIST 2021話者認識評価に提出されたSTCシステムについて述べる。
これらのシステムは、ディープニューラルネットワークを特徴抽出器として利用する様々なサブシステムで構成されている。
ビデオモダリティのために、大きな顔画像データセットに基づいて訓練されたRetinaFace顔検出器と深層ResNet顔埋め込み抽出器を用いた最良のソリューションを開発した。
論文 参考訳（メタデータ） (2021-11-03T15:31:01Z) - AI Enabled Data Quality Monitoring with Hydra [0.0]
本稿では,GluexにおけるHydraモニタリングシステムの開発と展開について論じる。
技術がいかに急速に開発されるかを示し、そのようなシステムをうまく展開するためには、社会学的ハードルを克服する必要があるかについて議論する。
論文 参考訳（メタデータ） (2021-04-28T13:51:42Z) - The Hitachi-JHU DIHARD III System: Competitive End-to-End Neural
Diarization and X-Vector Clustering Systems Combined by DOVER-Lap [67.395341302752]
本稿では,第3回DIHARD音声ダイアリゼーションチャレンジに提出された日立-JHUシステムについて詳述する。
このシステムは、2つのxベクターベースのサブシステム、2つのエンドツーエンドのニューラルダイアリゼーションベースのサブシステム、1つのハイブリッドサブシステムという5つのサブシステムのアンサンブル結果を出力する。
論文 参考訳（メタデータ） (2021-02-02T07:30:44Z) - 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)
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。