論文の概要: Comprehensive Dataset for Urban Streetlight Analysis

• arxiv url: http://arxiv.org/abs/2407.01117v1
• Date: Mon, 1 Jul 2024 09:26:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-03 22:09:47.027980
• Title: Comprehensive Dataset for Urban Streetlight Analysis
• Title（参考訳）: 都市街路分析のための包括的データセット
• Authors: Eliza Femi Sherley S, Sanjay T, Shri Kaanth P, Jeffrey Samuel S,
• Abstract要約: この記事では、インドの大通りからシステマティックに撮影された800点以上の高解像度の街灯画像を包括的に収集する。 各画像はバイナリクラスラベルに基づいてラベル付けされ、ディレクトリにグループ化されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This article includes a comprehensive collection of over 800 high-resolution streetlight images taken systematically from India's major streets, primarily in the Chennai region. The images were methodically collected following standardized methods to assure uniformity and quality. Each image has been labelled and grouped into directories based on binary class labels, which indicate whether each streetlight is functional or not. This organized dataset is intended to make it easier to train and evaluate deep neural networks, allowing for the creation of pre-trained models that have robust feature representations. Such models have several potential uses, such as improving smart city surveillance systems, automating street infrastructure monitoring, and increasing urban management efficiency. The availability of this dataset is intended to inspire future research and development in computer vision and smart city technologies, supporting innovation and practical solutions to urban infrastructure concerns. The dataset can be accessed at https://github.com/Team16Project/Street-Light-Dataset/.
• Abstract（参考訳）: この記事では、主にチェンナイ地方でインドの主要通りから体系的に撮影された800点以上の高解像度の街灯画像の包括的コレクションを含む。 画像は、統一性と品質を確保するための標準化された方法に従って、体系的に収集された。 各画像はバイナリクラスラベルに基づいてラベル付けされ、ディレクトリにグループ化されている。 この組織化されたデータセットは、ディープニューラルネットワークのトレーニングと評価を容易にすることを目的としており、堅牢な特徴表現を持つ事前トレーニングされたモデルの作成を可能にする。 このようなモデルには、スマートシティ監視システムの改善、ストリートインフラストラクチャ監視の自動化、都市管理効率の向上など、いくつかの潜在的な用途がある。 このデータセットの可用性は、コンピュータビジョンとスマートシティ技術における将来の研究開発を刺激し、都市インフラに関するイノベーションと実践的なソリューションをサポートすることを目的としている。 データセットはhttps://github.com/Team16Project/Street-Light-Dataset/でアクセスできる。

関連論文リスト

• BuildingView: Constructing Urban Building Exteriors Databases with Street View Imagery and Multimodal Large Language Mode [1.0937094979510213]
  ストリートビュー・イメージリーの進歩と、都市研究との統合によって、都市分析において、外部建設はますます重要になっている。 我々は,Googleストリートビューの高解像度視覚データをOpenStreetMapの空間情報とOverpass APIを介して統合する新しいアプローチであるBuildingViewを提案する。 本研究は,都市の建築外装データの精度を向上し,キーサステナビリティと設計指標を特定し,その抽出と分類のための枠組みを開発する。
  論文  参考訳（メタデータ） (2024-09-29T03:00:16Z)
• RoBus: A Multimodal Dataset for Controllable Road Networks and Building Layouts Generation [4.322143509436427]
  ロードネットワークとビルディングレイアウト(RoBus)の制御可能な生成のための評価指標を備えたマルチモーダルデータセットを導入する。 RoBusは、これまでのところ、都市世代で最初の、そして最大のオープンソースデータセットだ。 我々は,RoBusデータセットを統計的に分析し,既存の道路網と建築レイアウト生成手法の有効性を検証した。 道路ネットワークや建物レイアウトの生成プロセスにおいて,道路配向や建物密度などの都市特性を取り入れた新しいベースラインを設計する。
  論文  参考訳（メタデータ） (2024-07-10T16:55:01Z)
• MatrixCity: A Large-scale City Dataset for City-scale Neural Rendering and Beyond [69.37319723095746]
  都市規模のニューラルレンダリング研究のための大規模で包括的で高品質な合成データセットを構築します。 本研究では,地上カメラのポーズと追加データモダリティを伴って,航空・街路ビューを容易に収集するパイプラインを構築した。 その結果得られたパイロットデータセットMatrixCityには、合計28km2$の2つの都市地図から、67kの空中画像と452kのストリート画像が含まれている。
  論文  参考訳（メタデータ） (2023-09-28T16:06:02Z)
• Building3D: An Urban-Scale Dataset and Benchmarks for Learning Roof Structures from Point Clouds [4.38301148531795]
  既存の3Dモデリング用のデータセットは主に家具や車などの一般的なオブジェクトに焦点を当てている。 エストニアの16都市約998Km2をカバーする,160万以上の建物と対応する点雲,メッシュ,ワイヤフレームモデルからなる都市規模データセットを提案する。 実験結果から,ビルディング3Dには高いクラス内分散,データ不均衡,大規模ノイズといった課題があることが示唆された。
  論文  参考訳（メタデータ） (2023-07-21T21:38:57Z)
• OmniCity: Omnipotent City Understanding with Multi-level and Multi-view Images [72.4144257192959]
  本稿では,マルチレベル・マルチビュー画像から全能都市理解のための新しいデータセットであるOmniCityを提案する。 データセットには100万画素以上の注釈付き画像が含まれており、ニューヨーク市の25万画素のジオロケーションから順に収集されている。 新たなOmniCityデータセットでは,フットプリント抽出や高さ推定,平面/インスタンス/きめ細かなセグメンテーションなど,さまざまなタスクのベンチマークが提供されている。
  論文  参考訳（メタデータ） (2022-08-01T15:19:25Z)
• A Dataset of Images of Public Streetlights with Operational Monitoring using Computer Vision Techniques [56.838577982762956]
  データセットは、英国のサウスグロスターシャー地方に設置された140のUMBRELLAノードから撮影された$sim350textrmk$イメージで構成されている。 このデータセットは、ディープニューラルネットワークのトレーニングや、スマートシティCCTVアプリケーション、スマート気象検出アルゴリズム、ストリートインフラストラクチャ監視のためのトレーニング済みモデル生成に使用することができる。
  論文  参考訳（メタデータ） (2022-03-31T09:36:07Z)
• SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point Clouds [52.624157840253204]
  センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。 データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
  論文  参考訳（メタデータ） (2022-01-12T14:48:11Z)
• GANs for Urban Design [0.0]
  本論文で検討されたトピックは、都市ブロックの設計にGenerative Adversarial Networksを応用することである。 この研究は、都市の形態学的特性に適応できる柔軟なモデルを提示する。
  論文  参考訳（メタデータ） (2021-05-04T19:50:24Z)
• Lighting the Darkness in the Deep Learning Era [118.35081853500411]
  低照度画像強調(LLIE)は、照明の弱い環境で撮影された画像の知覚や解釈性を改善することを目的としている。 この分野における最近の進歩は、ディープラーニングベースのソリューションが支配的です。 アルゴリズム分類から未解決の未解決問題まで,さまざまな側面をカバーする包括的な調査を行う。
  論文  参考訳（メタデータ） (2021-04-21T19:12:19Z)
• Stereo Matching by Self-supervision of Multiscopic Vision [65.38359887232025]
  カメラ位置の整列で撮影した複数の画像を利用したステレオマッチングのための新しい自己監視フレームワークを提案する。 ネットワークを最適化するために、クロスフォトメトリックロス、不確実性を認識した相互監督損失、および新しい平滑性損失が導入されます。 我々のモデルは、KITTIデータセット上の以前の教師なし手法よりも、より良い不均一性マップを得る。
  論文  参考訳（メタデータ） (2021-04-09T02:58:59Z)

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。