論文の概要: DRL4AOI: A DRL Framework for Semantic-aware AOI Segmentation in Location-Based Services

• arxiv url: http://arxiv.org/abs/2412.05437v1
• Date: Fri, 06 Dec 2024 21:45:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 14:57:24.822591
• Title: DRL4AOI: A DRL Framework for Semantic-aware AOI Segmentation in Location-Based Services
• Title（参考訳）: DRL4AOI:位置情報サービスにおける意味認識型AOIセグメンテーションのためのDRLフレームワーク
• Authors: Youfang Lin, Jinji Fu, Haomin Wen, Jiyuan Wang, Zhenjie Wei, Yuting Qiang, Xiaowei Mao, Lixia Wu, Haoyuan Hu, Yuxuan Liang, Huaiyu Wan,
• Abstract要約: 位置情報サービス(LBS)における関心領域(AOI)のセグメンテーションの基本的な課題 本稿ではDRL4AOIと呼ばれる新しいDRLベースのフレームワークを提案する。 また,ロジスティクスサービスにおけるAOIセグメンテーションのためのDRL4AOIの代表的な実装について述べる。
• 参考スコア（独自算出の注目度）: 30.648182879899434
• License:
• Abstract: In Location-Based Services (LBS), such as food delivery, a fundamental task is segmenting Areas of Interest (AOIs), aiming at partitioning the urban geographical spaces into non-overlapping regions. Traditional AOI segmentation algorithms primarily rely on road networks to partition urban areas. While promising in modeling the geo-semantics, road network-based models overlooked the service-semantic goals (e.g., workload equality) in LBS service. In this paper, we point out that the AOI segmentation problem can be naturally formulated as a Markov Decision Process (MDP), which gradually chooses a nearby AOI for each grid in the current AOI's border. Based on the MDP, we present the first attempt to generalize Deep Reinforcement Learning (DRL) for AOI segmentation, leading to a novel DRL-based framework called DRL4AOI. The DRL4AOI framework introduces different service-semantic goals in a flexible way by treating them as rewards that guide the AOI generation. To evaluate the effectiveness of DRL4AOI, we develop and release an AOI segmentation system. We also present a representative implementation of DRL4AOI - TrajRL4AOI - for AOI segmentation in the logistics service. It introduces a Double Deep Q-learning Network (DDQN) to gradually optimize the AOI generation for two specific semantic goals: i) trajectory modularity, i.e., maximize tightness of the trajectory connections within an AOI and the sparsity of connections between AOIs, ii) matchness with the road network, i.e., maximizing the matchness between AOIs and the road network. Quantitative and qualitative experiments conducted on synthetic and real-world data demonstrate the effectiveness and superiority of our method. The code and system is publicly available at https://github.com/Kogler7/AoiOpt.
• Abstract（参考訳）: 食品デリバリーなどの位置情報サービス(LBS)では、都市空間を重複しない領域に分割することを目的とした、関心領域(AOI)のセグメンテーションが基本課題である。 従来のAOIセグメンテーションアルゴリズムは主に都市部を分割する道路網に依存している。 ジオセマンティックなモデリングを約束する一方で、ロードネットワークベースのモデルは、LBSサービスのサービスセマンティックな目標(例えば、ワークロード平等)を見落としていた。 本稿では, AOI分割問題をマルコフ決定過程 (MDP) として自然に定式化できることを指摘する。 MDPに基づいて、AOIセグメンテーションのためのDeep Reinforcement Learning(DRL)を一般化する最初の試みを示す。 DRL4AOIフレームワークは、AOI世代を導く報酬として、柔軟な方法で異なるサービスセマンティック目標を導入する。 DRL4AOIの有効性を評価するため,AOIセグメンテーションシステムを開発した。 また、ロジスティクスサービスにおけるAOIセグメンテーションのためのDRL4AOI(TrajRL4AOI)の代表的な実装について述べる。 DDQN(Double Deep Q-learning Network)を導入し、AOI生成を2つの特定のセマンティック目標に対して徐々に最適化する。 一 軌道モジュラリティ、すなわち、AOI内の軌道接続の厳密性及びAOI間の接続の幅を最大化すること。 二 道路網との整合性、すなわちAOIと道路網との整合性を最大化すること。 合成および実世界のデータを用いた定量的および定性的実験により,本手法の有効性と優位性を実証した。 コードとシステムはhttps://github.com/Kogler7/AoiOpt.comで公開されている。

関連論文リスト

• FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
  分散トレーニングは、システム設計と効率に関する重要な課題に直面します。 大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。 本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-16T16:13:19Z)
• Multimodal Urban Areas of Interest Generation via Remote Sensing Imagery and Geographical Prior [9.85003064364004]
  AOI(Urban Area-of-interest)は、多角形境界が定義された都市機能ゾーンである。 本稿では,正確なAOI境界を同時に検出し,AOIの信頼性を検証するための総合的なエンドツーエンド多モードディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-12T12:54:30Z)
• Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
  本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。 AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。 2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2023-06-15T14:50:27Z)
• Bidirectional Generative Framework for Cross-domain Aspect-based Sentiment Analysis [68.742820522137]
  クロスドメインアスペクトベースの感情分析(ABSA)は、ソースドメインから知識を伝達することで、ターゲットドメイン上で様々なきめ細かい感情分析タスクを実行することを目的としている。 本稿では,多様なドメイン間ABSAタスクに対処するための統合双方向生成フレームワークを提案する。 我々のフレームワークは、テキストからラベルまでの方向とラベルからテキストへの方向の両方で生成モデルを訓練する。
  論文  参考訳（メタデータ） (2023-05-16T15:02:23Z)
• Area of interest adaption using feature importance [1.4469849628263638]
  我々は、関心領域(AOI)または関心領域(ROI)を視線追跡データ品質と分類タスクに適応させる2つのアプローチとアルゴリズムを提案する。 最初のアプローチでは、機能の重要性を欲張りの方法で使い、あらゆる方向にAOIを成長または縮小します。 第2のアプローチは、AOIを領域に分割し、成長の方向を計算する、第1のアプローチの拡張である。
  論文  参考訳（メタデータ） (2023-03-03T07:49:10Z)
• Olive Branch Learning: A Topology-Aware Federated Learning Framework for Space-Air-Ground Integrated Network [19.059950250921926]
  SAGINの助けを借りてAIモデルをトレーニングすることは、高度に制約されたネットワークトポロジ、非効率なデータ転送、プライバシー問題といった課題に直面している。 まず,SAGINのための新しいトポロジ対応フェデレーション学習フレームワーク,すなわちOlive Branch Learning (OBL)を提案する。 我々はOBLフレームワークとCNASAアルゴリズムを拡張し、より複雑なマルチ軌道衛星ネットワークに適応する。
  論文  参考訳（メタデータ） (2022-12-02T14:51:42Z)
• Self-Ensembling GAN for Cross-Domain Semantic Segmentation [107.27377745720243]
  本稿では,セマンティックセグメンテーションのためのクロスドメインデータを利用した自己理解型生成逆数ネットワーク(SE-GAN)を提案する。 SE-GANでは、教師ネットワークと学生ネットワークは、意味分節マップを生成するための自己組織化モデルを構成する。 その単純さにもかかわらず、SE-GANは敵の訓練性能を大幅に向上させ、モデルの安定性を高めることができる。
  論文  参考訳（メタデータ） (2021-12-15T09:50:25Z)
• ENERO: Efficient Real-Time Routing Optimization [2.830334160074889]
  交通工学(TE)ソリューションは、高性能なリアルタイムネットワーク運用を実現する必要がある。 現在のTE技術は手工芸品や計算コストの高い解法に依存している。 本稿では,効率的なリアルタイムTEエンジンであるEeroを提案する。
  論文  参考訳（メタデータ） (2021-09-22T17:53:30Z)
• Stagewise Unsupervised Domain Adaptation with Adversarial Self-Training for Road Segmentation of Remote Sensing Images [93.50240389540252]
  リモートセンシング画像からの道路セグメンテーションは、幅広い応用可能性を持つ課題である。 本稿では,この領域における領域シフト(DS)問題に対処するため,RoadDAと呼ばれる新たな段階的ドメイン適応モデルを提案する。 2つのベンチマーク実験の結果、RoadDAはドメインギャップを効率的に減らし、最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-08-28T09:29:14Z)
• On Topology Optimization and Routing in Integrated Access and Backhaul Networks: A Genetic Algorithm-based Approach [70.85399600288737]
  IABネットワークにおけるトポロジ最適化とルーティングの問題について検討する。 我々は、IABノード配置と非IABバックホールリンク分布の両方に効率的な遺伝的アルゴリズムベースのスキームを開発する。 メッシュベースのIABネットワークを実現する上での課題について論じる。
  論文  参考訳（メタデータ） (2021-02-14T21:52:05Z)
• Continual Unsupervised Domain Adaptation for Semantic Segmentation [14.160280479726921]
  セマンティックセグメンテーションのための教師なしドメイン適応(UDA)は、ピクセルレベルのラベルを得るのが難しい実世界のシナリオに好適に適用されている。 本稿では,新たに設計されたETM(Expanding Target-specific Memory)フレームワークに基づくセマンティックセマンティックセグメンテーションのための連続UDAを提案する。 新たなETMフレームワークには,各対象領域を対象としたTarget-specific Memory (TM) が組み込まれている。
  論文  参考訳（メタデータ） (2020-10-19T05:59:48Z)

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。