論文の概要: Runway vs. Taxiway: Challenges in Automated Line Identification and Notation Approaches
- arxiv url: http://arxiv.org/abs/2501.18494v1
- Date: Thu, 30 Jan 2025 17:07:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-31 15:12:31.677459
- Title: Runway vs. Taxiway: Challenges in Automated Line Identification and Notation Approaches
- Title（参考訳）: 滑走路対タクシー道:自動線識別と表記アプローチの課題
- Authors: Parth Ganeriwala, Amy Alvarez, Abdullah AlQahtani, Siddhartha Bhattacharyya, Mohammed Abdul Hafeez Khan, Natasha Neogi,
- Abstract要約: 本稿では、AssistNetと呼ばれる畳み込みニューラルネットワーク(CNN)を用いて分類ステップを統合することを提案する。
この研究は、課題を識別するだけでなく、ソリューションの概要も明らかにし、自律航空システムに不可欠な自動ラベリング技術の改善への道を開いた。
- 参考スコア（独自算出の注目度）: 2.8994675888853516
- License:
- Abstract: The increasing complexity of autonomous systems has amplified the need for accurate and reliable labeling of runway and taxiway markings to ensure operational safety. Precise detection and labeling of these markings are critical for tasks such as navigation, landing assistance, and ground control automation. Existing labeling algorithms, like the Automated Line Identification and Notation Algorithm (ALINA), have demonstrated success in identifying taxiway markings but encounter significant challenges when applied to runway markings. This limitation arises due to notable differences in line characteristics, environmental context, and interference from elements such as shadows, tire marks, and varying surface conditions. To address these challenges, we modified ALINA by adjusting color thresholds and refining region of interest (ROI) selection to better suit runway-specific contexts. While these modifications yielded limited improvements, the algorithm still struggled with consistent runway identification, often mislabeling elements such as the horizon or non-relevant background features. This highlighted the need for a more robust solution capable of adapting to diverse visual interferences. In this paper, we propose integrating a classification step using a Convolutional Neural Network (CNN) named AssistNet. By incorporating this classification step, the detection pipeline becomes more resilient to environmental variations and misclassifications. This work not only identifies the challenges but also outlines solutions, paving the way for improved automated labeling techniques essential for autonomous aviation systems.
- Abstract（参考訳）: 自律システムの複雑さの増大は、運用上の安全性を確保するために、滑走路とタクシーウェイのマーキングの正確かつ信頼性の高いラベル付けの必要性を増幅した。
これらのマーキングの正確な検出とラベル付けは、ナビゲーション、着陸支援、地上制御自動化といったタスクに不可欠である。
既存のラベリングアルゴリズム、例えばALINA(Automated Line Identification and Notation Algorithm)は、滑走路マーキングを識別することに成功したが、滑走路マーキングに適用した場合に重大な課題に直面している。
この制限は、ライン特性、環境状況、影、タイヤマーク、および様々な表面条件などの要素からの干渉など、顕著な違いによって生じる。
これらの課題に対処するため、ALINAは色閾値と関心領域(ROI)の選択を調整し、滑走路固有のコンテキストに適合するように修正した。
これらの修正は限定的な改善をもたらしたが、アルゴリズムは依然として滑走路の識別に苦慮し、しばしば水平線や非関連背景の特徴のような誤ったラベルが付けられていた。
これにより、多様な視覚的干渉に適応できる、より堅牢なソリューションの必要性が強調された。
本稿では、AssistNetと呼ばれる畳み込みニューラルネットワーク(CNN)を用いて分類ステップを統合することを提案する。
この分類ステップを組み込むことで、検出パイプラインは環境変動や誤分類に対する耐性が増す。
この研究は、課題を識別するだけでなく、ソリューションの概要も明らかにし、自律航空システムに不可欠な自動ラベリング技術の改善への道を開いた。
関連論文リスト
- Kalib: Markerless Hand-Eye Calibration with Keypoint Tracking [52.4190876409222]
ハンドアイキャリブレーションでは、カメラとロボット間の変換を推定する。
ディープラーニングの最近の進歩は、マーカーレス技術を提供するが、それらは課題を提示している。
自動的かつ普遍的なマーカーレスハンドアイキャリブレーションパイプラインであるKalibを提案する。
論文 参考訳（メタデータ） (2024-08-20T06:03:40Z) - ALINA: Advanced Line Identification and Notation Algorithm [4.12089570007199]
クラウドソーシングのような従来のラベリング手法は、コスト、データのプライバシ、時間、大規模なデータセットの潜在的なエラーのために禁止されている。
本稿では,タクシーウェイデータセットのラベル付けに使用できる新しいアノテーションフレームワークであるAdvanced Line Identification and Notation Algorithm (ALINA)を提案する。
論文 参考訳（メタデータ） (2024-06-13T03:10:22Z) - Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。
本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。
カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
論文 参考訳（メタデータ） (2024-04-11T10:26:40Z) - Progressing from Anomaly Detection to Automated Log Labeling and
Pioneering Root Cause Analysis [53.24804865821692]
本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。
この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
論文 参考訳（メタデータ） (2023-12-22T15:04:20Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - Fusing Pseudo Labels with Weak Supervision for Dynamic Traffic Scenarios [0.0]
我々は、異種データセットで訓練されたオブジェクト検出モデルから擬似ラベルをアマルガメートする弱い教師付きラベル統一パイプラインを導入する。
我々のパイプラインは、異なるデータセットからのラベルの集約、バイアスの修正、一般化の強化を通じて、統一されたラベル空間をエンゲージする。
我々は,統合ラベル空間を用いた単独物体検出モデルを再学習し,動的交通シナリオに精通した弾力性のあるモデルを構築した。
論文 参考訳（メタデータ） (2023-08-30T11:33:07Z) - Task-Oriented Over-the-Air Computation for Multi-Device Edge AI [57.50247872182593]
エッジAIをサポートするための6Gネットワークは、AIタスクの効率的かつ効率的な実行に焦点を当てたタスク指向のテクニックを備えている。
本稿では,マルチデバイススプリット推論システムにおけるタスク指向オーバー・ザ・エア計算(AirComp)方式を提案する。
論文 参考訳（メタデータ） (2022-11-02T16:35:14Z) - Improving Uncertainty of Deep Learning-based Object Classification on
Radar Spectra using Label Smoothing [9.438141018800636]
我々は、訓練中にラベルスムーシングを用いて、堅牢なリアルタイム不確実性推定を提供するディープレーダスペクトル分類器を学習する。
本稿では、レーダ固有のノウハウを利用してソフトラベルを定義し、分類器が高品質の不確実性推定を出力することを奨励する。
我々の研究は、単純なレーダー知識と複雑なデータ駆動学習アルゴリズムを組み合わせることで、安全な自動車レーダ認識を実現する方法を示している。
論文 参考訳（メタデータ） (2021-09-27T07:49:38Z) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳（メタデータ） (2020-12-04T15:10:12Z) - Improving Road Signs Detection performance by Combining the Features of
Hough Transform and Texture [5.620334754517149]
現場に存在する道路標識の検出は、交通標識の検出と認識の主要な段階の1つである。
本稿では,アラビア語を含む道路標識検出の効率化を図った。
Hough Transform (RHT) は、円形と八角形の形状を検出するために用いられる。
論文 参考訳（メタデータ） (2020-10-13T15:09:29Z)
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。