論文の概要: Multi-modal Image and Radio Frequency Fusion for Optimizing Vehicle Positioning
- arxiv url: http://arxiv.org/abs/2410.19788v1
- Date: Tue, 15 Oct 2024 15:41:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-03 08:19:38.657874
- Title: Multi-modal Image and Radio Frequency Fusion for Optimizing Vehicle Positioning
- Title（参考訳）: 車両位置最適化のためのマルチモーダル画像と無線周波数融合
- Authors: Ouwen Huan, Tao Luo, Mingzhe Chen,
- Abstract要約: 車両位置決めフレームワークは、チャネル状態情報(CSI)と画像と共に車両を共同でローカライズする。
ラベル付きデータセットに重み付き損失関数を導入し,重み付き損失の計算にメタラーニングアルゴリズムを適用した。
シミュレーションの結果,提案手法はベースラインに比べて最大61%の精度で位置決め誤差を低減できることがわかった。
- 参考スコア（独自算出の注目度）: 17.246504417591588
- License:
- Abstract: In this paper, a multi-modal vehicle positioning framework that jointly localizes vehicles with channel state information (CSI) and images is designed. In particular, we consider an outdoor scenario where each vehicle can communicate with only one BS, and hence, it can upload its estimated CSI to only its associated BS. Each BS is equipped with a set of cameras, such that it can collect a small number of labeled CSI, a large number of unlabeled CSI, and the images taken by cameras. To exploit the unlabeled CSI data and position labels obtained from images, we design an meta-learning based hard expectation-maximization (EM) algorithm. Specifically, since we do not know the corresponding relationship between unlabeled CSI and the multiple vehicle locations in images, we formulate the calculation of the training objective as a minimum matching problem. To reduce the impact of label noises caused by incorrect matching between unlabeled CSI and vehicle locations obtained from images and achieve better convergence, we introduce a weighted loss function on the unlabeled datasets, and study the use of a meta-learning algorithm for computing the weighted loss. Subsequently, the model parameters are updated according to the weighted loss function of unlabeled CSI samples and their matched position labels obtained from images. Simulation results show that the proposed method can reduce the positioning error by up to 61% compared to a baseline that does not use images and uses only CSI fingerprint for vehicle positioning.
- Abstract（参考訳）: 本稿では、チャネル状態情報(CSI)と画像とを併用して車両を位置決めするマルチモーダル車両位置決めフレームワークを設計する。
特に、各車両が1台のBSのみと通信可能な屋外シナリオを考えることにより、推定したCSIを関連するBSのみにアップロードすることができる。
各BSは、少数のラベル付きCSI、多数のラベル付きCSI、およびカメラによって撮影された画像を集めることができる一連のカメラを備えている。
画像から得られたラベルのないCSIデータと位置ラベルを活用するために,メタラーニングに基づくハード期待最大化(EM)アルゴリズムを設計する。
具体的には、画像中のラベルのないCSIと複数の車両位置の関係を知らないため、トレーニング対象の計算を最小マッチング問題として定式化する。
ラベルなしCSIと画像から得られた車両位置の誤マッチングによるラベルノイズの影響を低減し、より収束性を高めるため、ラベルなしデータセットに重み付き損失関数を導入し、重み付き損失を計算するためのメタ学習アルゴリズムについて検討する。
その後、未ラベルのCSIサンプルの重み付き損失関数と、画像から得られた一致する位置ラベルとに基づいてモデルパラメータを更新する。
シミュレーションの結果,車両位置決めにCSI指紋のみを用いないベースラインと比較して,提案手法では位置決め誤差を最大61%低減できることがわかった。
関連論文リスト
- Multi-modal Data based Semi-Supervised Learning for Vehicle Positioning [18.798918043936855]
基地局によって車両位置が決定される屋外位置決めシステムを考える。
事前訓練段階では、画像から得られる方位角をラベルなしCSIデータのラベルとみなす。
下流トレーニング段階では、正確な車両位置をラベルとしてみなす小さなラベル付きデータセットを用いてモデルを再訓練する。
論文 参考訳（メタデータ） (2024-10-15T15:04:28Z) - OsmLocator: locating overlapping scatter marks with a non-training
generative perspective [48.50108853199417]
重複するマークの配置には、テクスチャの欠如、文脈の少ない情報、ハロー形状、小さなサイズなど、多くの困難がある。
ここでは、クラスタリングに基づく再視覚化の最適化問題として、非学習的生成の観点から定式化する。
特に,異なるマーカーと様々な重なり合いの重なり合いを持つ何百もの散乱画像を含む2023というデータセットを構築し,提案手法を既存の手法と比較した。
論文 参考訳（メタデータ） (2023-12-18T12:39:48Z) - CSP: Self-Supervised Contrastive Spatial Pre-Training for
Geospatial-Visual Representations [90.50864830038202]
ジオタグ付き画像の自己教師型学習フレームワークであるContrastive Spatial Pre-Training(CSP)を提案する。
デュアルエンコーダを用いて画像とその対応する位置情報を別々に符号化し、コントラスト目的を用いて画像から効果的な位置表現を学習する。
CSPは、様々なラベル付きトレーニングデータサンプリング比と10～34%の相対的な改善で、モデル性能を大幅に向上させる。
論文 参考訳（メタデータ） (2023-05-01T23:11:18Z) - Location-Aware Self-Supervised Transformers [74.76585889813207]
画像部品の相対的な位置を予測し,セマンティックセグメンテーションのためのネットワークを事前訓練する。
参照パッチのサブセットを問合せのサブセットにマスキングすることで,タスクの難しさを制御します。
実験により,この位置認識事前学習が,いくつかの難解なセマンティックセグメンテーションベンチマークに競合する表現をもたらすことが示された。
論文 参考訳（メタデータ） (2022-12-05T16:24:29Z) - Camera Alignment and Weighted Contrastive Learning for Domain Adaptation
in Video Person ReID [17.90248359024435]
人物再識別システム(ReID)は、大規模な完全ラベル画像データセットでトレーニングした場合、高い精度を達成することができる。
様々な運用状況(例えば、カメラの視点や照明など)に関連したドメインシフトは、パフォーマンスの大幅な低下に繋がる可能性がある。
本稿では、ビデオベースのReIDのための教師なしドメイン適応(UDA)に焦点を当てる。
論文 参考訳（メタデータ） (2022-11-07T15:32:56Z) - Supervised Contrastive CSI Representation Learning for Massive MIMO
Positioning [3.3220765156899263]
我々は小説を大々的に提案する。
深部畳み込みニューラルネットワーク(DCNN)とコントラスト学習を用いたMIMO CSI類似性学習法
多重性を考慮した対照的な損失関数を設計する。
トレーニングデータセットから抽出された正および負のCSIサンプル。
実世界のCSIデータセットにおける指紋による位置決めの評価結果から,学習した類似度測定値が位置決め精度を大幅に向上することが示された。
論文 参考訳（メタデータ） (2022-04-27T09:37:20Z) - Revisiting Consistency Regularization for Semi-supervised Change
Detection in Remote Sensing Images [60.89777029184023]
教師付きクロスエントロピー(CE)損失に加えて、教師なしCD損失を定式化する半教師付きCDモデルを提案する。
2つの公開CDデータセットを用いて実験を行った結果,提案手法は教師付きCDの性能に近づきやすいことがわかった。
論文 参考訳（メタデータ） (2022-04-18T17:59:01Z) - D-Unet: A Dual-encoder U-Net for Image Splicing Forgery Detection and
Localization [108.8592577019391]
画像スプライシング偽造検出は、画像指紋によって改ざんされた領域と非改ざんされた領域を区別するグローバルバイナリ分類タスクである。
画像スプライシングフォージェリ検出のためのデュアルエンコーダU-Net(D-Unet)という,固定されていないエンコーダと固定エンコーダを用いた新しいネットワークを提案する。
D-Unetと最先端技術の比較実験において、D-Unetは画像レベルおよび画素レベルの検出において他の手法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-03T10:54:02Z) - Vehicle Position Estimation with Aerial Imagery from Unmanned Aerial
Vehicles [4.555256739812733]
この研究は、航空画像から正確な車両の位置を推定する過程を記述する。
この目的のために最先端のディープニューラルネットワークMask-RCNNが適用される。
平均20cmの精度は、飛行高度100m、フルHD解像度、フレーム単位の検出で達成できる。
論文 参考訳（メタデータ） (2020-04-17T12:29:40Z) - High-Order Information Matters: Learning Relation and Topology for
Occluded Person Re-Identification [84.43394420267794]
本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。
我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
論文 参考訳（メタデータ） (2020-03-18T12:18:35Z) - Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。
提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文 参考訳（メタデータ） (2020-03-10T00:04:32Z)
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。