論文の概要: Volvo Discovery Challenge at ECML-PKDD 2024

• arxiv url: http://arxiv.org/abs/2409.11446v1
• Date: Tue, 17 Sep 2024 10:05:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-19 20:09:46.091780
• Title: Volvo Discovery Challenge at ECML-PKDD 2024
• Title（参考訳）: ECML-PKDD 2024におけるボルボ発見チャレンジ
• Authors: Mahmoud Rahat, Peyman Sheikholharam Mashhadi, Sławomir Nowaczyk, Shamik Choudhury, Leo Petrin, Thorsteinn Rognvaldsson, Andreas Voskou, Carlo Metta, Claudio Savelli,
• Abstract要約: 本稿では,ECML-PKDD 2024カンファレンスで開催されたVolvo Discovery Challengeの概要を紹介する。 課題の目標は、新たに公開されたデータセットを使用して、Volvoトラックの匿名コンポーネントの障害リスクを予測することだった。 本稿では,課題定義,課題設定,提出内容の統計について簡潔に述べる。
• 参考スコア（独自算出の注目度）: 1.9880368126455867
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents an overview of the Volvo Discovery Challenge, held during the ECML-PKDD 2024 conference. The challenge's goal was to predict the failure risk of an anonymized component in Volvo trucks using a newly published dataset. The test data included observations from two generations (gen1 and gen2) of the component, while the training data was provided only for gen1. The challenge attracted 52 data scientists from around the world who submitted a total of 791 entries. We provide a brief description of the problem definition, challenge setup, and statistics about the submissions. In the section on winning methodologies, the first, second, and third-place winners of the competition briefly describe their proposed methods and provide GitHub links to their implemented code. The shared code can be interesting as an advanced methodology for researchers in the predictive maintenance domain. The competition was hosted on the Codabench platform.
• Abstract（参考訳）: 本稿では,ECML-PKDD 2024カンファレンスで開催されたVolvo Discovery Challengeの概要を紹介する。 課題の目標は、新たに公開されたデータセットを使用して、Volvoトラックの匿名コンポーネントの障害リスクを予測することだった。 試験データには、成分の2世代(gen1とgen2)の観測結果が含まれ、トレーニングデータはgen1にのみ提供された。 この挑戦は、世界中から52人のデータサイエンティストを集め、合計761のエントリーを提出した。 本稿では,課題定義,課題設定,提出内容の統計について簡潔に述べる。 受賞方法に関するセクションでは、コンペティションの第1、第2、第3の勝者が提案されたメソッドを簡潔に説明し、実装されたコードへのGitHubリンクを提供している。 共有コードは、予測メンテナンス領域の研究者のための高度な方法論として興味深い。 コンペティションはCodabenchプラットフォーム上で開催された。

関連論文リスト

• AIM 2024 Challenge on Video Saliency Prediction: Methods and Results [105.09572982350532]
  本稿では,AIM 2024におけるビデオ・サリエンシ予測の課題について概説する。 参加者の目標は、提供されたビデオシーケンスのセットに対して正確な精度マップを予測する方法を開発することであった。
  論文  参考訳（メタデータ） (2024-09-23T08:59:22Z)
• The First Pathloss Radio Map Prediction Challenge [59.11388233415274]
  我々はICASSP 2023 First Pathloss Radio Map Prediction Challengeを立ち上げた。 本稿では,パスロス予測問題,提供データセット,課題課題,課題評価手法について概説する。
  論文  参考訳（メタデータ） (2023-10-11T17:00:03Z)
• Lightweight Boosting Models for User Response Prediction Using Adversarial Validation [2.4040470282119983]
  ShareChatが主催するACM RecSys Challenge 2023は、アプリがインストールされる確率を予測することを目的としている。 本稿では,この課題に対する軽量な解決策について述べる。
  論文  参考訳（メタデータ） (2023-10-05T13:57:05Z)
• The Monocular Depth Estimation Challenge [74.0535474077928]
  本稿では,WACV2103で組織された最初の単分子深度推定チャレンジ(MDEC)の結果を要約する。 この課題は、SynS-Patchesデータセット上での自己教師付き単眼深度推定の進捗を評価した。
  論文  参考訳（メタデータ） (2022-11-22T11:04:15Z)
• Crowdsensing-based Road Damage Detection Challenge (CRDDC-2022) [0.0]
  本稿では,IEEE International Conference on Big Data'2022の一部として組織されたビッグデータカップである,クラウドセンシングに基づく道路被害検出チャレンジ(CRDDC)を要約する。 このデータは、インド、日本、チェコ、ノルウェー、米国、中国から収集された47,420枚の道路画像で構成されている。 この大会に登録された19カ国の60チーム以上が、上記の6カ国の未確認テスト画像のパフォーマンスに基づいて、5つのリーダーボードを用いて評価した。
  論文  参考訳（メタデータ） (2022-11-21T11:29:21Z)
• 1st Place Solutions for the UVO Challenge 2022 [26.625850534861414]
  この手法は、2nd Unidentified Video Objects (UVO) チャレンジで第1位となり、制限されたデータフレームトラックでそれぞれ46.8、64.7、32.2のAR@100、無制限のデータフレームトラックとビデオトラックを達成した。
  論文  参考訳（メタデータ） (2022-10-18T06:54:37Z)
• Rotation Invariance and Extensive Data Augmentation: a strategy for the Mitosis Domain Generalization (MIDOG) Challenge [1.52292571922932]
  我々は,MIDOG 2021コンペティションに参加するための戦略を提示する。 このコンペティションの目的は、目に見えないターゲットスキャナーで取得した画像に対する解の一般化を評価することである。 本稿では,最先端のディープラーニング手法の組み合わせに基づく解を提案する。
  論文  参考訳（メタデータ） (2021-09-02T10:09:02Z)
• DeeperForensics Challenge 2020 on Real-World Face Forgery Detection: Methods and Results [144.5252578415748]
  本稿では,現実世界の顔偽造検出に関するDeeperForensics Challenge 2020の手法と結果について報告する。 この挑戦はdeepforensics-1.0データセットを採用し、6万のビデオを合計1760万フレームで構成する。 115人の参加者が参加し、25のチームが有効な応募を行った。
  論文  参考訳（メタデータ） (2021-02-18T16:48:57Z)
• Global Road Damage Detection: State-of-the-art Solutions [0.0]
  本稿では,2020年のIEEE International Conference on Big Dataの一部として組織されたビッグデータカップであるGlobal Road damage Detection Challenge(GRDDC)を要約する。 このデータは、インド、日本、チェコ共和国から収集された26336枚の道路画像から成り、道路損傷を自動的に検出する方法を提案する。 論文は、提示された課題と将来の課題で改善される可能性のある課題に対して、うまく機能するファセットのレビューで締めくくっている。
  論文  参考訳（メタデータ） (2020-11-17T16:19:02Z)
• The 1st Tiny Object Detection Challenge:Methods and Results [70.00081071453003]
  1st Tiny Object Detection (TOD) Challengeは、広い視野を持つ画像における微小物体検出の新しい高精度な手法の開発を奨励することを目的としている。 TinyPersonデータセットはTOD Challengeに使用されており、公開されている。
  論文  参考訳（メタデータ） (2020-09-16T07:01:38Z)
• CO-Search: COVID-19 Information Retrieval with Semantic Search, Question Answering, and Abstractive Summarization [53.67205506042232]
  CO-Searchは、新型コロナウイルスの文献上の複雑なクエリを処理するように設計された、レトリバーランサーセマンティック検索エンジンである。 ドメイン固有の比較的限られたデータセットを考慮し、文書の段落と引用の2部グラフを生成する。 TREC-COVID情報検索課題のデータに基づいて,本システムの評価を行った。
  論文  参考訳（メタデータ） (2020-06-17T01:32:48Z)

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。