論文の概要: Intelligent Railroad Grade Crossing: Leveraging Semantic Segmentation and Object Detection for Enhanced Safety

• arxiv url: http://arxiv.org/abs/2403.11060v1
• Date: Sun, 17 Mar 2024 02:15:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-19 20:27:00.445875
• Title: Intelligent Railroad Grade Crossing: Leveraging Semantic Segmentation and Object Detection for Enhanced Safety
• Title（参考訳）: インテリジェント鉄道踏切 : セマンティックセグメンテーションと物体検出の活用による安全性向上
• Authors: Al Amin, Deo Chimba, Kamrul Hasan, Emmanuel Samson,
• Abstract要約: RHGCの事故と遅れは、アメリカ合衆国連邦鉄道管理局(FRA)に重大な安全上の懸念をもたらす。 本研究では、機械学習とコンピュータビジョン技術を活用してRHGCの安全性を高めるインテリジェントシステムを提案する。
• 参考スコア（独自算出の注目度）: 0.11999555634662631
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Crashes and delays at Railroad Highway Grade Crossings (RHGC), where highways and railroads intersect, pose significant safety concerns for the U.S. Federal Railroad Administration (FRA). Despite the critical importance of addressing accidents and traffic delays at highway-railroad intersections, there is a notable dearth of research on practical solutions for managing these issues. In response to this gap in the literature, our study introduces an intelligent system that leverages machine learning and computer vision techniques to enhance safety at Railroad Highway Grade crossings (RHGC). This research proposed a Non-Maximum Suppression (NMS)- based ensemble model that integrates a variety of YOLO variants, specifically YOLOv5S, YOLOv5M, and YOLOv5L, for grade-crossing object detection, utilizes segmentation techniques from the UNet architecture for detecting approaching rail at a grade crossing. Both methods are implemented on a Raspberry Pi. Moreover, the strategy employs high-definition cameras installed at the RHGC. This framework enables the system to monitor objects within the Region of Interest (ROI) at crossings, detect the approach of trains, and clear the crossing area before a train arrives. Regarding accuracy, precision, recall, and Intersection over Union (IoU), the proposed state-of-the-art NMS-based object detection ensemble model achieved 96% precision. In addition, the UNet segmentation model obtained a 98% IoU value. This automated railroad grade crossing system powered by artificial intelligence represents a promising solution for enhancing safety at highway-railroad intersections.
• Abstract（参考訳）: 高速道路と鉄道が交差する鉄道ハイウェイ・グレード・クロス (RHGC) の事故と遅れは、アメリカ合衆国連邦鉄道局 (FRA) にとって重大な安全上の懸念を生じさせている。 高速道路と道路の交差点で事故や交通遅延に対処することの重要性にもかかわらず、これらの問題を管理するための実用的な解決策に関する研究は目覚ましい。 そこで本研究では,鉄道高速道路の踏切(RHGC)における安全性を高めるために,機械学習とコンピュータビジョン技術を活用したインテリジェントシステムを提案する。 本研究では, YOLO5S, YOLOv5M, YOLOv5L, YOLOv5L, YOLOv5L, YOLOv5L, YOLOv5S, YOLOv5S, YOLOv5Lなど, 多様なYOLO変種を統合したNon-Maximum Suppression (NMS) に基づくアンサンブルモデルを提案する。 どちらのメソッドもRaspberry Piで実装されている。 さらに、この戦略ではRHGCに設置された高精細度カメラが採用されている。 この枠組みにより、列車が到着する前に、列車の接近を検知し、交差するエリアをクリアすることができる。 精度、精度、リコール、IoU(Intersection over Union)に関して、提案した最先端NMSベースのオブジェクト検出アンサンブルモデルは96%の精度を達成した。 さらに、UNetセグメンテーションモデルは98%のIoU値を得た。 このAIを利用した自動踏切システムは、高速道路と道路の交差点における安全性を高めるための有望な解決策である。

関連論文リスト

• Edge-Assisted ML-Aided Uncertainty-Aware Vehicle Collision Avoidance at Urban Intersections [12.812518632907771]
  都市横断路におけるプリエンプティブ衝突を検出する新しい枠組みを提案する。 5Gネットワークのマルチアクセスエッジコンピューティングプラットフォームを利用する。
  論文  参考訳（メタデータ） (2024-04-22T18:45:40Z)
• Train Ego-Path Detection on Railway Tracks Using End-to-End Deep Learning [2.855485723554975]
  本稿では,「列車エゴパス検出」の課題を紹介する。 列車の直進経路、すなわち「エゴパス」を、潜在的に複雑でダイナミックな鉄道環境の中で特定することを目的としている。 私たちの研究の中心は、エゴパス検出に適したエンドツーエンドのディープラーニングフレームワークであるTEP-Netです。
  論文  参考訳（メタデータ） (2024-03-19T18:46:32Z)
• Detecting train driveshaft damages using accelerometer signals and Differential Convolutional Neural Networks [67.60224656603823]
  本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。 その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
  論文  参考訳（メタデータ） (2022-11-15T15:04:06Z)
• Intelligent Railway Foreign Object Detection: A Semi-supervised Convolutional Autoencoder Based Method [7.557470133155959]
  本研究では,鉄道軌道画像のみを必要とする半教師付き畳み込みオートエンコーダに基づくフレームワークを開発した。 提案するフレームワークは,IoT(Internet-of-Things)システムのデータ分析に有用である。
  論文  参考訳（メタデータ） (2021-08-05T07:32:23Z)
• 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)
• End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
  交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。 本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。 本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-28T07:54:40Z)
• Model Guided Road Intersection Classification [2.9248680865344348]
  本研究は,rgb画像からの区間間分類を,教師・生徒の訓練パラダイムに基づく結果向上手法とともに,統合型ニューラルネットワークを用いて検討する。 KITTIデータセットと新しいKITTI-360シーケンスの両方において、最適な入力構成を特定し、異なるネットワークパラメータを評価することを目的とした広範な実験活動により、本手法はフレーム単位の最先端手法よりも優れ、提案手法の有効性が証明された。
  論文  参考訳（メタデータ） (2021-04-26T09:15:28Z)
• Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
  本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。 本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。 競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
  論文  参考訳（メタデータ） (2020-12-04T15:10:12Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)
• 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)
• Deep Learning with Attention Mechanism for Predicting Driver Intention at Intersection [2.1699196439348265]
  提案手法は、高度運転支援システム(ADAS)および自動運転車のアクティブ安全システムの一部として適用されることを約束している。 提案手法の性能評価を行い,本手法が他の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-10T16:12:00Z)

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。