論文の概要: Drone Acoustic Analysis for Predicting Psychoacoustic Annoyance via Artificial Neural Networks

• arxiv url: http://arxiv.org/abs/2410.22208v1
• Date: Tue, 29 Oct 2024 16:38:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-30 13:39:39.235451
• Title: Drone Acoustic Analysis for Predicting Psychoacoustic Annoyance via Artificial Neural Networks
• Title（参考訳）: ニューラルネットワークによる精神音響異常の予測のためのドローン音響解析
• Authors: Andrea Vaiuso, Marcello Righi, Oier Coretti, Moreno Apicella,
• Abstract要約: 本研究は,種々の深層学習モデルの心理音響障害予測における有効性を検討することによって,先行研究を基礎にしている。 本研究の目的は、ドローン騒音の理解を深め、騒音低減技術の開発を支援し、公共空間でのドローン使用の受け入れを促進することである。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Unmanned Aerial Vehicles (UAVs) have become widely used in various fields and industrial applications thanks to their low operational cost, compact size and wide accessibility. However, the noise generated by drone propellers has emerged as a significant concern. This may affect the public willingness to implement these vehicles in services that require operation in proximity to residential areas. The standard approaches to address this challenge include sound pressure measurements and noise characteristic analyses. The integration of Artificial Intelligence models in recent years has further streamlined the process by enhancing complex feature detection in drone acoustics data. This study builds upon prior research by examining the efficacy of various Deep Learning models in predicting Psychoacoustic Annoyance, an effective index for measuring perceived annoyance by human ears, based on multiple drone characteristics as input. This is accomplished by constructing a training dataset using precise measurements of various drone models with multiple microphones and analyzing flight data, maneuvers, drone physical characteristics, and perceived annoyance under realistic conditions. The aim of this research is to improve our understanding of drone noise, aid in the development of noise reduction techniques, and encourage the acceptance of drone usage on public spaces.
• Abstract（参考訳）: 無人航空機(UAV)は、運用コストの低さ、小型化、幅広いアクセシビリティのため、様々な分野や産業用途で広く利用されている。 しかし、ドローンプロペラが生み出す騒音は重要な懸念事項となっている。 これは、住宅地の近くでの運転を必要とするサービスにおいて、これらの車両を実装する公の意思に影響を及ぼす可能性がある。 この課題に対処する標準的なアプローチは、音圧測定とノイズ特性解析である。 近年の人工知能モデルの統合により、ドローン音響データの複雑な特徴検出を強化することで、プロセスはさらに合理化されている。 本研究は,複数のドローン特性を入力として,人間の耳による知覚的不快感を測定する効果的な指標である心理音響的不快感の予測に,様々なディープラーニングモデルの有効性を検討することによって,先行研究を基礎にしている。 これは、複数のマイクで様々なドローンモデルの正確な測定値を使用してトレーニングデータセットを構築し、飛行データ、操縦、ドローンの物理的特性、現実的な条件下での不快感を解析することによって達成される。 本研究の目的は、ドローン騒音の理解を深め、騒音低減技術の開発を支援し、公共空間でのドローン使用の受け入れを促進することである。

関連論文リスト

• AI-based Drone Assisted Human Rescue in Disaster Environments: Challenges and Opportunities [10.803423394127458]
  無人航空機(UAV)は、災害時の捜索救助任務のために頻繁に配備される。 大規模なドローンは、孤立した災害で立ち往生している人々に必須の物資を届けるために使われる場合もある。 聴覚システムは、動物の鳴き声や風など、自然に発生する人間の叫び声と音を区別しなければならない。 この課題に対処するためには、人工知能(AI)を使用して音の周波数を分析し、一般的なオーディオシグネチャを識別する。
  論文  参考訳（メタデータ） (2024-06-22T15:39:46Z)
• DDOS: The Drone Depth and Obstacle Segmentation Dataset [16.86600007830682]
  Drone Depth and Obstacle(DDOS)データセットは、セマンティックセグメンテーションと深さ推定のための包括的なトレーニングサンプルを提供するために作成された。 具体的には、細い構造物の識別を強化するために設計されたDDOSによって、ドローンは幅広い気象条件をナビゲートすることができる。
  論文  参考訳（メタデータ） (2023-12-19T18:54:40Z)
• Multi-model fusion for Aerial Vision and Dialog Navigation based on human attention aids [69.98258892165767]
  本稿では,2023年ICCV会話史のための航空航法課題について述べる。 本稿では,人間注意支援型トランスフォーマモデル(HAA-Transformer)と人間注意支援型LSTMモデル(HAA-LSTM)の融合訓練方法を提案する。
  論文  参考訳（メタデータ） (2023-08-27T10:32:52Z)
• Sound-based drone fault classification using multitask learning [7.726132010393797]
  本稿では,DNN断層分類器とドローン音声データセットを提案する。 データセットは、無響室の3つの異なるドローンに搭載されたマイクからドローンの操作音を収集することで構築された。 得られたデータセットを用いて、短時間の入力波形から機械的故障の種類とその位置を分類する分類器である1DCNN-ResNetを訓練する。
  論文  参考訳（メタデータ） (2023-04-23T17:55:40Z)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)
• The State of Aerial Surveillance: A Survey [62.198765910573556]
  本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。 主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
  論文  参考訳（メタデータ） (2022-01-09T20:13:27Z)
• Track Boosting and Synthetic Data Aided Drone Detection [0.0]
  本手法は, YOLOv5モデルを実データおよび合成データで微調整することにより, ドローン検出問題にアプローチする。 以上の結果から,合成データの最適なサブセットで実データを増やすことで,性能が向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2021-11-24T10:16:27Z)
• Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
  航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。 本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。 本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2021-11-17T21:48:31Z)
• A dataset for multi-sensor drone detection [67.75999072448555]
  近年,小型・遠隔操作無人航空機(UAV)の使用が増加している。 ドローン検出に関するほとんどの研究は、取得デバイスの種類、ドローンの種類、検出範囲、データセットを特定することに失敗している。 我々は、赤外線および可視ビデオとオーディオファイルを含むドローン検出のための注釈付きマルチセンサーデータベースにコントリビュートする。
  論文  参考訳（メタデータ） (2021-11-02T20:52:03Z)
• Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
  本稿では,他の飛行ドローンからドローンを検知する問題に対処する。 ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。 これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-03-31T17:43:31Z)
• Noise2Weight: On Detecting Payload Weight from Drones Acoustic Emissions [4.38301148531795]
  本稿では,商用ドローンが積載するペイロードの重量をリモートで検出する可能性について検討する。 我々は、異なるペイロードを運ぶためにドローンが必要とする推力の違いを特徴付け、関連する音響指紋のかなりのバリエーションをもたらす。 ドローンが搭載する特定のペイロードクラスの検出において,最小98%の分類精度を達成した。
  論文  参考訳（メタデータ） (2020-05-04T09:44:18Z)

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。