論文の概要: Can Deep Learning Trigger Alerts from Mobile-Captured Images?

• arxiv url: http://arxiv.org/abs/2501.03499v1
• Date: Tue, 07 Jan 2025 03:39:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-08 15:50:35.665104
• Title: Can Deep Learning Trigger Alerts from Mobile-Captured Images?
• Title（参考訳）: ディープ・ラーニング・トリガーはモバイル・キャプチャー・イメージから可能か?
• Authors: Pritisha Sarkar, Duranta Durbaar Vishal Saha, Mousumi Saha,
• Abstract要約: 本研究は,データ拡張手法の検証,大気質予測のためのCNNに基づく回帰モデリング,モバイル技術によるユーザ中心の大気質モニタリングに寄与する。 提案システムは,個人が情報的環境衛生と幸福な意思決定を行うための実践的なソリューションを提供する。
• 参考スコア（独自算出の注目度）: 0.0594961162060159
• License:
• Abstract: Our research presents a comprehensive approach to leveraging mobile camera image data for real-time air quality assessment and recommendation. We develop a regression-based Convolutional Neural Network model and tailor it explicitly for air quality prediction by exploiting the inherent relationship between output parameters. As a result, the Mean Squared Error of 0.0077 and 0.0112 obtained for 2 and 5 pollutants respectively outperforms existing models. Furthermore, we aim to verify the common practice of augmenting the original dataset with a view to introducing more variation in the training phase. It is one of our most significant contributions that our experimental results demonstrate minimal accuracy differences between the original and augmented datasets. Finally, a real-time, user-friendly dashboard is implemented which dynamically displays the Air Quality Index and pollutant values derived from captured mobile camera images. Users' health conditions are considered to recommend whether a location is suitable based on current air quality metrics. Overall, this research contributes to verification of data augmentation techniques, CNN-based regression modelling for air quality prediction, and user-centric air quality monitoring through mobile technology. The proposed system offers practical solutions for individuals to make informed environmental health and well-being decisions.
• Abstract（参考訳）: 本研究は,モバイルカメラ画像データを利用した大気質のリアルタイム評価とレコメンデーションのための包括的アプローチを提案する。 我々は回帰に基づく畳み込みニューラルネットワークモデルを開発し、出力パラメータ間の固有関係を利用して空気質の予測を明示的に調整する。 その結果、2 と 5 の汚染物質に対して得られる平均平方誤差 0.0077 と 0.0112 は、既存のモデルよりも優れていた。 さらに、トレーニングフェーズにより多くのバリエーションを導入するために、元のデータセットを拡大する一般的なプラクティスを検証することを目的としている。 実験結果が元のデータセットと拡張データセットの精度の差を最小限に示すことは、私たちの最も重要な貢献の1つです。 最後に、キャプチャーされたモバイルカメラ画像から得られた空気品質指標と汚染物質値を動的に表示するリアルタイムなユーザフレンドリーなダッシュボードが実装されている。 ユーザの健康状態は、現在の空気質指標に基づいて、位置が適切かどうかを推奨すると考えられる。 本研究は,データ拡張手法の検証,空気質予測のためのCNNに基づく回帰モデリング,モバイル技術によるユーザ中心の空気質監視に寄与する。 提案システムは,個人が情報的環境衛生と幸福な意思決定を行うための実践的なソリューションを提供する。

関連論文リスト

• Developing Gridded Emission Inventory from High-Resolution Satellite Object Detection for Improved Air Quality Forecasts [1.4238093681454425]
  本研究では, 気象研究・予測モデルと化学(WRF Chem)を併用した, ダイナミックなAIベースの排出在庫システム構築のための革新的なアプローチを提案する。 このシステムは、エミッション推定において前例のない時間的および空間的な解決を提供し、より正確な短期的な空気質予測と都市エミッションのダイナミクスに関する深い洞察を促進する。 今後の研究は、システムの能力を非車両に拡張し、環境条件に挑戦する際の検出精度をさらに向上することに焦点を当てる。
  論文  参考訳（メタデータ） (2024-10-14T01:32:45Z)
• Opinion-Unaware Blind Image Quality Assessment using Multi-Scale Deep Feature Statistics [54.08757792080732]
  我々は,事前学習された視覚モデルからの深い特徴を統計的解析モデルと統合して,意見認識のないBIQA(OU-BIQA)を実現することを提案する。 提案モデルは,最先端のBIQAモデルと比較して,人間の視覚的知覚との整合性に優れる。
  論文  参考訳（メタデータ） (2024-05-29T06:09:34Z)
• DetDiffusion: Synergizing Generative and Perceptive Models for Enhanced Data Generation and Perception [78.26734070960886]
  現在の知覚モデルは、リソース集約的なデータセットに大きく依存している。 セグメンテーションを通じて知覚認識損失(P.A.損失)を導入し、品質と制御性の両方を改善した。 本手法は,世代間における知覚認識属性(P.A. Attr)の抽出と利用により,データ拡張をカスタマイズする。
  論文  参考訳（メタデータ） (2024-03-20T04:58:03Z)
• Air Quality Forecasting Using Machine Learning: A Global perspective with Relevance to Low-Resource Settings [0.0]
  大気汚染は世界第4位の死因である。 本研究では,2ヶ月の空気質データを用いた高精度な空気質予測のための新しい機械学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-09T05:52:02Z)
• Beyond Tides and Time: Machine Learning Triumph in Water Quality [0.0]
  この研究は、データサイエンスの専門家とドメイン固有の知識を持たない人々の両方にとって、堅牢な予測パイプラインを確立することを目的としている。 我々の研究は、データサイエンスの専門家とドメイン固有の知識を持たない人々の両方にとって、堅牢な予測パイプラインを確立することを目的としています。
  論文  参考訳（メタデータ） (2023-09-29T03:33:53Z)
• GreenEyes: An Air Quality Evaluating Model based on WaveNet [11.513011576336744]
  本稿では,シーケンスの表現を学習するためのWaveNetベースのバックボーンブロックと,テンポラルアテンションモジュールを用いたLSTMで構成されるディープニューラルネットワークモデルを提案する。 我々は,データセットから得られた空気質データの任意の部分について,次のタイムスタンプの空気質レベルを効果的に予測できることを示す。
  論文  参考訳（メタデータ） (2022-12-08T10:28:57Z)
• Continual Learning for Blind Image Quality Assessment [80.55119990128419]
  ブラインド画像品質評価(BIQA)モデルは、サブポピュレーションシフトに継続的に適応できない。 最近の研究では、利用可能なすべての人間評価のIQAデータセットの組み合わせに関するBIQAメソッドのトレーニングが推奨されている。 モデルがIQAデータセットのストリームから継続的に学習するBIQAの継続的学習を策定する。
  論文  参考訳（メタデータ） (2021-02-19T03:07:01Z)
• Negative Data Augmentation [127.28042046152954]
  負のデータ拡張サンプルは、データ分散のサポートに関する情報を提供することを示す。 我々は、NDAを識別器の合成データの追加源として利用する新しいGAN訓練目標を提案する。 実験により,本手法で訓練したモデルでは,異常検出能力の向上とともに条件付き・条件付き画像生成の改善を実現している。
  論文  参考訳（メタデータ） (2021-02-09T20:28:35Z)
• Study on the Assessment of the Quality of Experience of Streaming Video [117.44028458220427]
  本稿では,ストリーミング映像のQoEの主観的推定に対する様々な客観的要因の影響について検討する。 本論文では標準的および手作り的特徴を示し,その相関とp値を示す。 SQoE-IIIデータベースは、これまでで最大の、そして最も現実的なデータベースだ。
  論文  参考訳（メタデータ） (2020-12-08T18:46:09Z)
• Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms [53.38353133198842]
  空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。 本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。 地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
  論文  参考訳（メタデータ） (2020-07-23T13:32:47Z)

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。