論文の概要: Towards In-Air Ultrasonic QR Codes: Deep Learning for Classification of Passive Reflector Constellations

• arxiv url: http://arxiv.org/abs/2509.06615v1
• Date: Mon, 08 Sep 2025 12:33:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:04.125552
• Title: Towards In-Air Ultrasonic QR Codes: Deep Learning for Classification of Passive Reflector Constellations
• Title（参考訳）: 空気中超音波QRコードに向けて:パッシブリフレクタ・コンステレーションの分類のためのディープラーニング
• Authors: Wouter Jansen, Jan Steckel,
• Abstract要約: 空気中のソナーは自律システムの信頼できる代替手段を提供する。 本稿では,符号化タグとしてリフレクタコンステレーションを導入することにより,情報容量の増大を図る。 我々の主な貢献は、マルチラベル畳み込みニューラルネットワーク(CNN)で、1つの空気中の3次元ソナー測定から複数の近接した反射体を同時に識別するように設計されている。
• 参考スコア（独自算出の注目度）: 1.321042117143449
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In environments where visual sensors falter, in-air sonar provides a reliable alternative for autonomous systems. While previous research has successfully classified individual acoustic landmarks, this paper takes a step towards increasing information capacity by introducing reflector constellations as encoded tags. Our primary contribution is a multi-label Convolutional Neural Network (CNN) designed to simultaneously identify multiple, closely spaced reflectors from a single in-air 3D sonar measurement. Our initial findings on a small dataset confirm the feasibility of this approach, validating the ability to decode these complex acoustic patterns. Secondly, we investigated using adaptive beamforming with null-steering to isolate individual reflectors for single-label classification. Finally, we discuss the experimental results and limitations, offering key insights and future directions for developing acoustic landmark systems with significantly increased information entropy and their accurate and robust detection and classification.
• Abstract（参考訳）: 視覚センサーが故障している環境では、空気中のソナーは自律システムに信頼できる代替手段を提供する。 従来,個々の音響ランドマークの分類に成功してきたが,本研究では,符号化タグとしてリフレクタコンステレーションを導入することで,情報容量の増大に向けた一歩を踏み出した。 我々の主な貢献は、マルチラベル畳み込みニューラルネットワーク(CNN)で、1つの空気中の3次元ソナー測定から複数の近接した反射体を同時に識別するように設計されている。 提案手法の有効性を検証し,これらの複雑な音響パターンを復号化できることを検証した。 次に,Null-steeringを用いた適応ビームフォーミングを用いて,単一ラベル分類のための個々の反射体を分離する方法について検討した。 最後に,実験結果と限界について考察し,情報エントロピーを著しく向上させ,その正確かつロバストな検出と分類を行う音響ランドマークシステムの開発に重要な洞察と今後の方向性を提供する。

関連論文リスト

• ECHO: Frequency-aware Hierarchical Encoding for Variable-length Signal [8.198335525246243]
  そこで本研究では,帯域分割アーキテクチャと相対周波数位置埋め込みを融合した新しい基礎モデルを提案する。 機械信号符号化のための大規模ベンチマークであるSIRENについて評価を行った。
  論文  参考訳（メタデータ） (2025-08-20T13:10:44Z)
• Learning Normal Patterns in Musical Loops [0.0]
  本稿では,音楽サンプル(ループ)の音響パターンを異常検出により検出するための教師なしフレームワークを提案する。 深部特徴抽出と教師なし異常検出を組み合わせたアーキテクチャにより,これらの制約に対処する。
  論文  参考訳（メタデータ） (2025-05-22T19:52:00Z)
• Novelty Detection on Radio Astronomy Data using Signatures [5.304803553490439]
  SigNovaは、ストリームデータ中の異常を検出するための、新しい半教師付きフレームワークである。 我々は、シグネチャ変換を用いて観測シーケンスから統計の標準的コレクションを抽出する。 各特徴ベクトルは、RFIフリートレーニングセットにおいて、マハラノビスから隣人への距離として計算されたノベルティスコアが割り当てられる。
  論文  参考訳（メタデータ） (2024-02-22T14:13:44Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• Boosting 3D Object Detection by Simulating Multimodality on Point Clouds [51.87740119160152]
  本稿では,LiDAR 画像検出器に追従する特徴や応答をシミュレートすることで,単一モダリティ (LiDAR) 3次元物体検出器を高速化する新しい手法を提案する。 このアプローチでは、単一モダリティ検出器をトレーニングする場合のみ、LiDARイメージデータを必要とし、十分にトレーニングされた場合には、推論時にのみLiDARデータが必要である。 nuScenesデータセットの実験結果から,本手法はSOTA LiDARのみの3D検出器よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2022-06-30T01:44:30Z)
• S3: Supervised Self-supervised Learning under Label Noise [53.02249460567745]
  本稿では,ラベルノイズの存在下での分類の問題に対処する。 提案手法の核心は,サンプルのアノテートラベルと特徴空間内のその近傍のラベルの分布との整合性に依存するサンプル選択機構である。 提案手法は,CIFARCIFAR100とWebVisionやANIMAL-10Nなどの実環境ノイズデータセットの両方で,従来の手法をはるかに上回っている。
  論文  参考訳（メタデータ） (2021-11-22T15:49:20Z)
• Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
  我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。 元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。 私たちのコードは、将来的な比較作業のためにオープンソースにされます。
  論文  参考訳（メタデータ） (2021-07-01T08:58:16Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Capturing scattered discriminative information using a deep architecture in acoustic scene classification [49.86640645460706]
  本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。 我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。 2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
  論文  参考訳（メタデータ） (2020-07-09T08:32:06Z)

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。