論文の概要: Image Classification for Snow Detection to Improve Pedestrian Safety

• arxiv url: http://arxiv.org/abs/2407.00818v1
• Date: Sun, 30 Jun 2024 20:16:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-04 01:27:27.978057
• Title: Image Classification for Snow Detection to Improve Pedestrian Safety
• Title（参考訳）: 歩行者の安全を向上する積雪検出のための画像分類
• Authors: Ricardo de Deijn, Rajeev Bukralia,
• Abstract要約: 本研究では,歩道や舗装上の雪の検出を目的としたコンピュータビジョン手法を提案する。 このデータセットは、雪と雪の無い条件の間で98の画像を均一に分割し、F1スコアと精度測定値を用いて別のテストセットで評価する。 この研究は、それぞれ81.8%と81.7%の精度とF1スコアを獲得し、弱い集団に対する冬関連の危険に対処するコンピュータビジョンの可能性を示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This study presents a computer vision approach aimed at detecting snow on sidewalks and pavements to reduce winter-related fall injuries, especially among elderly and visually impaired individuals. Leveraging fine-tuned VGG-19 and ResNet50 convolutional neural networks (CNNs), the research focuses on identifying snow presence in pavement images. The dataset comprises 98 images evenly split between snowy and snow-free conditions, evaluated with a separate test set using the F1 score and accuracy metrics. This work builds upon existing research by employing fine-tuned CNN architectures to accurately detect snow on pavements from smartphone-captured images. The methodology incorporates transfer learning and model ensembling techniques to integrate the best predictions from both the VGG19 and ResNet50 architectures. The study yields accuracy and F1 scores of 81.8% and 81.7%, respectively, showcasing the potential of computer vision in addressing winter-related hazards for vulnerable populations.
• Abstract（参考訳）: 本研究は,特に高齢者や視覚障害者を対象に,歩道や舗装上の雪の検出を目的としたコンピュータビジョン手法を提案する。 微調整されたVGG-19とResNet50畳み込みニューラルネットワーク(CNN)を活用するこの研究は、舗装画像中の雪の存在を特定することに焦点を当てている。 このデータセットは、雪と雪の無い条件の間で98の画像を均一に分割し、F1スコアと精度測定値を用いて別のテストセットで評価する。 この研究は、スマートフォンが捉えた画像から舗装上の雪を正確に検出するために、微調整のCNNアーキテクチャを用いて既存の研究に基づいている。 この手法には、VGG19アーキテクチャとResNet50アーキテクチャの両方から最高の予測を統合するために、トランスファーラーニングとモデルアンサンブル技術が組み込まれている。 この研究は、それぞれ81.8%と81.7%の精度とF1スコアを獲得し、弱い集団に対する冬関連の危険に対処するコンピュータビジョンの可能性を示している。

関連論文リスト

• Snowy Scenes,Clear Detections: A Robust Model for Traffic Light Detection in Adverse Weather Conditions [5.208045772970408]
  逆天候は、現在の検知システムにとって大きな課題を示し、しばしば失敗と潜在的な安全リスクをもたらす。 本稿では,そのような条件下での物体検出を改善するための新しいフレームワークとパイプラインを提案する。 その結果、平均IoUとF1のスコアは、素早い微調整に比べて40.8%改善した。
  論文  参考訳（メタデータ） (2024-06-19T11:52:12Z)
• Vehicle Detection Performance in Nordic Region [9.914220157314551]
  本論文は,北欧地方の厳しい冬条件下での車両検出における重要な課題について論じる。 従来の車両検出手法は、これらの有害な状況で苦労してきた。 本研究では、Nordic Vehicleデータセットを用いて、最先端の車両検出アルゴリズムの性能を評価する。
  論文  参考訳（メタデータ） (2024-03-22T08:03:10Z)
• Uncertainty-inspired Open Set Learning for Retinal Anomaly Identification [71.06194656633447]
  9つの網膜条件の基底像をトレーニングし,不確実性に着想を得たオープンセット(UIOS)モデルを構築した。 しきい値戦略を持つUIOSモデルはF1スコア99.55%、97.01%、91.91%を達成した。 UIOSは、高い不確実性スコアを正しく予測し、非ターゲットの網膜疾患、低品質の眼底画像、および非基本画像のデータセットを手動でチェックする必要があることを示唆した。
  論文  参考訳（メタデータ） (2023-04-08T10:47:41Z)
• Real-Time Damage Detection in Fiber Lifting Ropes Using Convolutional Neural Networks [19.093832934990044]
  畳み込みニューラルネットワーク(CNN)を用いた合成繊維ロープ画像の損傷検出システムを提案する。 ケネクラネスの専門家は、ロープの状態に応じて収集した画像に注釈を付け、正常または損傷を与えた。 実験の結果、提案されたモデルは96.4%の精度、95.8%の精度、97.2%のリコール、96.5%のF1スコア、99.2%のAUCで他の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-02-23T11:44:43Z)
• Snow Mask Guided Adaptive Residual Network for Image Snow Removal [21.228758052455273]
  雪は、高レベルのコンピュータビジョンタスクのパフォーマンスに深刻な影響を与える非常に一般的な大気現象である。 SMGARN(Snow Mask Guided Adaptive Residual Network)を提案する。 Mask-Net、Guidance-Fusion Network (GF-Net)、Reconstruct-Netの3部で構成されている。 SMGARNは既存の除雪方法よりも数値的に優れており、再構成された画像は視覚的コントラストにおいてより鮮明である。
  論文  参考訳（メタデータ） (2022-07-11T10:30:46Z)
• Core Risk Minimization using Salient ImageNet [53.616101711801484]
  私たちは、1000のImagenetクラスのコアとスプリアス機能をローカライズする100万人以上のソフトマスクを備えたSalient Imagenetデータセットを紹介します。 このデータセットを用いて、まず、いくつかのImagenet事前訓練されたモデル(総計42件)の素早い特徴に対する依存度を評価する。 次に、コアリスク最小化(CoRM)と呼ばれる新しい学習パラダイムを導入する。
  論文  参考訳（メタデータ） (2022-03-28T01:53:34Z)
• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Deep Dense Multi-scale Network for Snow Removal Using Semantic and Geometric Priors [78.61844008368587]
  本研究では, 積雪除去のための深度多スケールネットワーク (textbfDDMSNet) を提案する。 セマンティクスマップと幾何マップを入力として取り入れ,セマンティクス・アウェア表現と幾何アウェア表現を学習して雪を取り除く。
  論文  参考訳（メタデータ） (2021-03-21T03:30:30Z)
• Design of Efficient Deep Learning models for Determining Road Surface Condition from Roadside Camera Images and Weather Data [2.8904578737516764]
  冬期における道路の整備は、安全と資源を要求される作業である。 その重要な活動の1つは、道路を優先し、耕作や製塩などの清掃作業を行うために、道路表面の状態(RSC)を決定することである。 RSCを決定するための2つの従来のアプローチは、訓練された職員による道路カメラ画像の視覚的検査と、現場での検査を行うために道路をパトロールすることである。
  論文  参考訳（メタデータ） (2020-09-22T02:30:32Z)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)

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。