論文の概要: Aircraft Trajectory Segmentation-based Contrastive Coding: A Framework for Self-supervised Trajectory Representation
- arxiv url: http://arxiv.org/abs/2407.20028v1
- Date: Mon, 29 Jul 2024 14:04:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-30 13:34:43.355613
- Title: Aircraft Trajectory Segmentation-based Contrastive Coding: A Framework for Self-supervised Trajectory Representation
- Title（参考訳）: 航空機軌道分割に基づくコントラスト符号化:自己教師型軌道表現のための枠組み
- Authors: Thaweerath Phisannupawong, Joshua Julian Damanik, Han-Lim Choi,
- Abstract要約: 本稿では,航空機軌道に基づくコントラスト符号化(ATSCC)を紹介する。
ATSCCは航空交通トラジェクトリデータ中の意味情報をキャプチャするために設計された、新しい自己教師型時系列表現学習フレームワークである。
実験は3つの異なる空港のデータセットで行われ、合計4つのデータセットが得られた。
- 参考スコア（独自算出の注目度）: 3.621265249995015
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Air traffic trajectory recognition has gained significant interest within the air traffic management community, particularly for fundamental tasks such as classification and clustering. This paper introduces Aircraft Trajectory Segmentation-based Contrastive Coding (ATSCC), a novel self-supervised time series representation learning framework designed to capture semantic information in air traffic trajectory data. The framework leverages the segmentable characteristic of trajectories and ensures consistency within the self-assigned segments. Intensive experiments were conducted on datasets from three different airports, totaling four datasets, comparing the learned representation's performance of downstream classification and clustering with other state-of-the-art representation learning techniques. The results show that ATSCC outperforms these methods by aligning with the labels defined by aeronautical procedures. ATSCC is adaptable to various airport configurations and scalable to incomplete trajectories. This research has expanded upon existing capabilities, achieving these improvements independently without predefined inputs such as airport configurations, maneuvering procedures, or labeled data.
- Abstract（参考訳）: 航空交通軌跡認識は航空交通管理コミュニティにおいて特に分類やクラスタリングといった基本的な業務において大きな関心を集めている。
本稿では,航空交通トラジェクトリデータのセマンティック情報を取得することを目的とした,航空トラジェクトリ・セグメンテーションに基づくコントラシティブ・コーディング(ATSCC)について紹介する。
このフレームワークは、トラジェクトリのセグメンタブル特性を活用し、自己割り当てセグメント内の一貫性を保証する。
3つの異なる空港のデータセットを用いて、学習した表現の下流の分類とクラスタリングのパフォーマンスを、他の最先端の表現学習技術と比較し、総合的な実験を行った。
その結果,ATSCCは,航空手順によって定義されたラベルと整合することで,これらの手法よりも優れていた。
ATSCCは様々な空港構成に適応し、不完全な軌道にスケーラブルである。
この研究は、空港の設定、操作手順、ラベル付きデータなどの事前定義された入力なしに、これらの改善を独立して達成し、既存の能力を拡大してきた。
関連論文リスト
- Agglomerative Token Clustering [61.0477253613511]
Agglomerative Token Clustering (ATC)は、新しいトークンマージ手法である。
ATCはすべてのタスクで最先端のパフォーマンスを達成でき、既定の最先端をオフ・ザ・シェルフで適用した場合と同等に動作させることができる。
論文 参考訳（メタデータ） (2024-09-18T12:37:58Z) - Categorizing Flight Paths using Data Visualization and Clustering
Methodologies [12.270546709771926]
この研究は、連邦航空局の交通フロー管理システムとDV8のデータセットを利用して、様々な飛行経路で航空交通を分類するクラスタリングアルゴリズムを開発した。
アプリケーションの例では、自動クラスタリング結果決定とヒューマン・イン・ザ・ループプロセスに基づく、成功的で現実的なクラスタリングが示されている。
論文 参考訳（メタデータ） (2023-10-01T19:42:00Z) - Multi-body SE(3) Equivariance for Unsupervised Rigid Segmentation and
Motion Estimation [49.56131393810713]
本稿では、SE(3)同変アーキテクチャと、この課題に教師なしで取り組むためのトレーニング戦略を提案する。
本手法は,0.25Mパラメータと0.92G FLOPを用いて,モデル性能と計算効率を両立させる。
論文 参考訳（メタデータ） (2023-06-08T22:55:32Z) - Inferring Traffic Models in Terminal Airspace from Flight Tracks and
Procedures [52.25258289718559]
本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な確率モデルを提案する。
任意の航空機数を含む交通量を生成するために,ペアワイズモデルを用いる方法を示す。
論文 参考訳（メタデータ） (2023-03-17T13:58:06Z) - A Semi-supervised Approach for Activity Recognition from Indoor
Trajectory Data [0.822021749810331]
協調生産環境において, 騒音の多い室内軌道データから移動物体の動作を分類する作業について検討する。
本稿では,まず情報理論の基準を適用し,長い軌道をセグメントに分割する半教師付き機械学習手法を提案する。
セグメントは制約付き階層的クラスタリング法に基づいて自動的にラベル付けされる。
論文 参考訳（メタデータ） (2023-01-09T01:20:50Z) - Estimator: An Effective and Scalable Framework for Transportation Mode
Classification over Trajectories [22.704053034976784]
本稿では,GPS トラジェクトリを用いた移動モード分類のための効果的でスケーラブルなフレームワーク Estimator を提案する。
推定器は交通条件に応じて交通空間全体を空間領域に分割し,スケーラビリティを著しく向上させる。
Estimatorはより優れたモデルの有効性(精度99%、F1スコア0.98)を実現し、最先端の学習手法より優れていることを示す。
論文 参考訳（メタデータ） (2022-12-11T13:32:49Z) - Beyond Transfer Learning: Co-finetuning for Action Localisation [64.07196901012153]
同時に、複数のアップストリームとダウンストリームのタスクで1つのモデルをトレーニングする。
共ファインタニングは、同じデータ量を使用する場合、従来のトランスファーラーニングよりも優れていることを示す。
さらに、複数のアップストリームデータセットへのアプローチを簡単に拡張して、パフォーマンスをさらに向上する方法も示しています。
論文 参考訳（メタデータ） (2022-07-08T10:25:47Z) - Scaling up Multi-domain Semantic Segmentation with Sentence Embeddings [81.09026586111811]
ゼロショット設定に適用した場合、最先端の教師付き性能を実現するセマンティックセマンティックセマンティクスへのアプローチを提案する。
これは各クラスラベルを、クラスを記述する短い段落のベクトル値の埋め込みに置き換えることによって達成される。
結果として得られた200万以上の画像の統合セマンティックセグメンテーションデータセットは、7つのベンチマークデータセット上の最先端の教師付きメソッドと同等のパフォーマンスを達成するモデルをトレーニングすることができる。
論文 参考訳（メタデータ） (2022-02-04T07:19:09Z) - Automated Approach for Computer Vision-based Vehicle Movement
Classification at Traffic Intersections [7.3496760394236595]
視覚に基づく車両軌跡の移動特定分類のための自動分類法を提案する。
筆者らのフレームワークは、教師なし階層クラスタリング手法を用いて、交通現場で観測された異なる動きパターンを識別する。
新しい類似度尺度は、視覚に基づく軌道の固有の欠点を克服するために設計された。
論文 参考訳（メタデータ） (2021-11-17T15:02:43Z) - A Simplified Framework for Air Route Clustering Based on ADS-B Data [0.0]
本稿では,ADS-Bデータに基づく空港間の典型的な航空路の検出を支援する枠組みを提案する。
実のところ,エアフロー最適化の計算コストを実質的に低減するために,我々の枠組みを考慮に入れることができる。
論文 参考訳（メタデータ） (2021-07-07T08:55:31Z) - Fine-Grained Visual Classification with Efficient End-to-end
Localization [49.9887676289364]
本稿では,エンド・ツー・エンドの設定において,分類ネットワークと融合可能な効率的なローカライゼーションモジュールを提案する。
我々は,CUB200-2011,Stanford Cars,FGVC-Aircraftの3つのベンチマークデータセット上で,新しいモデルを評価する。
論文 参考訳（メタデータ） (2020-05-11T14:07:06Z)
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。