論文の概要: Real-time Deer Detection and Warning in Connected Vehicles via Thermal Sensing and Deep Learning

• arxiv url: http://arxiv.org/abs/2509.18779v1
• Date: Tue, 23 Sep 2025 08:16:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.769967
• Title: Real-time Deer Detection and Warning in Connected Vehicles via Thermal Sensing and Deep Learning
• Title（参考訳）: 熱センシングと深層学習による連結車両のリアルタイム鹿検出と警告
• Authors: Hemanth Puppala, Wayne Sarasua, Srinivas Biyaguda, Farhad Farzinpour, Mashrur Chowdhury,
• Abstract要約: 鹿車衝突は米国にとって重要な安全上の課題である。 本稿では,熱画像,深層学習,車間通信を統合したリアルタイム検出・運転警告システムを提案する。 本システムは,検出から運転警告までの終端レイテンシを100ミリ秒以下で連続的に達成する。
• 参考スコア（独自算出の注目度）: 2.5690062252357184
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deer-vehicle collisions represent a critical safety challenge in the United States, causing nearly 2.1 million incidents annually and resulting in approximately 440 fatalities, 59,000 injuries, and 10 billion USD in economic damages. These collisions also contribute significantly to declining deer populations. This paper presents a real-time detection and driver warning system that integrates thermal imaging, deep learning, and vehicle-to-everything communication to help mitigate deer-vehicle collisions. Our system was trained and validated on a custom dataset of over 12,000 thermal deer images collected in Mars Hill, North Carolina. Experimental evaluation demonstrates exceptional performance with 98.84 percent mean average precision, 95.44 percent precision, and 95.96 percent recall. The system was field tested during a follow-up visit to Mars Hill and readily sensed deer providing the driver with advanced warning. Field testing validates robust operation across diverse weather conditions, with thermal imaging maintaining between 88 and 92 percent detection accuracy in challenging scenarios where conventional visible light based cameras achieve less than 60 percent effectiveness. When a high probability threshold is reached sensor data sharing messages are broadcast to surrounding vehicles and roadside units via cellular vehicle to everything (CV2X) communication devices. Overall, our system achieves end to end latency consistently under 100 milliseconds from detection to driver alert. This research establishes a viable technological pathway for reducing deer-vehicle collisions through thermal imaging and connected vehicles.
• Abstract（参考訳）: 鹿と牛の衝突はアメリカ合衆国にとって重大な安全上の課題であり、毎年2100万件近い事故が発生し、約440人が死亡、59,000人が負傷した。 これらの衝突はシカの個体数の減少にも大きく寄与する。 本稿では,シカと車両の衝突を緩和するために,熱画像,深層学習,車両間通信を統合したリアルタイム検出・運転警告システムを提案する。 我々のシステムは、ノースカロライナ州マーズヒルで収集された12,000以上のサーマル鹿の画像のカスタムデータセットに基づいて訓練され、検証された。 実験の結果、平均精度は98.84パーセント、精度は95.44パーセント、リコールは95.96パーセントであった。 このシステムは、マーズヒルへの追跡訪問中に現地でテストされ、ドライバーに高度な警告を与える鹿が容易に感知された。 フィールドテストは様々な気象条件で堅牢な運転を検証し、従来の可視光カメラが60%未満の精度で達成できる挑戦的なシナリオでは、熱画像は88から92%の精度で検出される。 高確率しきい値に達すると、周囲の車両や道路側のユニットに、セルラー車を介して、すべての(CV2X)通信装置に送信される。 システム全体としては,検出から運転警告までの終端レイテンシを100ミリ秒以下で連続的に達成する。 本研究は, サーマルイメージングと連結車両による鹿車衝突の低減に有効な技術経路を確立する。

関連論文リスト

• PaniCar: Securing the Perception of Advanced Driving Assistance Systems Against Emergency Vehicle Lighting [24.66689267891143]
  パニカー(PaniCar)は、物体検知器の信頼性スコアが、アクティベートされた緊急車両の照明にさらされると、検出しきい値以下に変動するデジタル現象である。 この脆弱性は重大な安全リスクをもたらし、自動運転車が緊急車両の近くで物体を検出するのに失敗する可能性がある。 本稿では,緊急車両照明に対する物体検知器のレジリエンスを高めるためのフレームワークであるCaracetamolを提案する。
  論文  参考訳（メタデータ） (2025-05-08T12:33:48Z)
• An Efficient Ground-aerial Transportation System for Pest Control Enabled by AI-based Autonomous Nano-UAVs [45.07031440932014]
  我々は、害虫検出のための小さな画像ベースの畳み込みニューラルネットワーク(CNN)を設計し、微調整し、最適化する。 我々のCNNは6.8フレーム/秒でリアルタイムに動作し、クレイジーフリーナノUAVに搭載されたGWT GAP9 System-on-Chip上で33mWが必要になります。 このシナリオでは、検査と治療の両方を行う従来の単座車両と比較して、効率的な輸送システムは最大20時間作業時間を節約できる。
  論文  参考訳（メタデータ） (2025-02-20T11:14:55Z)
• Endangered Alert: A Field-Validated Self-Training Scheme for Detecting and Protecting Threatened Wildlife on Roads and Roadsides [10.412505957288406]
  本稿では,オーストラリアにおけるカソーファリーなどの希少動物の検出を目的とした,革新的な自己学習手法を提案する。 提案手法は,希少種のセンサデータを取得し,ラベル付けすることを含む,現実世界における重要な課題に対処する。 クラウドとエッジコンピューティングを活用し、フィールドデプロイモデルの検出性能を向上させるために自動データラベリングを実現する。
  論文  参考訳（メタデータ） (2024-12-16T07:44:27Z)
• CODA: A Real-World Road Corner Case Dataset for Object Detection in Autonomous Driving [117.87070488537334]
  我々は、ビジョンベース検出器のこの重要な問題を露呈する、CODAという挑戦的なデータセットを導入する。 大規模自動運転データセットで訓練された標準物体検出器の性能は、mARの12.8%以下に著しく低下した。 我々は最先端のオープンワールドオブジェクト検出器を実験し、CODAの新しいオブジェクトを確実に識別できないことを発見した。
  論文  参考訳（メタデータ） (2022-03-15T08:32:56Z)
• A Multi-Stage model based on YOLOv3 for defect detection in PV panels based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
  本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。 このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。 提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
  論文  参考訳（メタデータ） (2021-11-23T08:04:32Z)
• METEOR: A Massive Dense & Heterogeneous Behavior Dataset for Autonomous Driving [42.69638782267657]
  本稿では、インドにおける非構造化シナリオにおけるトラフィックパターンをキャプチャする、新しい複雑なトラフィックデータセットMETEORを提案する。 METEORは1000分以上のビデオクリップと、エゴ車軌道を持つ200万以上の注釈付きフレームと、周囲の車両や交通機関のための1300万以上のバウンディングボックスで構成されている。 我々は,オブジェクト検出と行動予測アルゴリズムの性能を評価するために,新しいデータセットを用いた。
  論文  参考訳（メタデータ） (2021-09-16T01:01:55Z)
• Incident Detection on Junctions Using Image Processing [0.0]
  軌道情報は、魚眼カメラからストリームされる視覚データの車両検出および追跡アルゴリズムによって提供される。 提案システムは, 車両検出で84.6%, 合成データで異常検出で96.8%の成功を収めた。
  論文  参考訳（メタデータ） (2021-04-27T19:18:05Z)
• Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object Detection [55.12894776039135]
  ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。 対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。 5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
  論文  参考訳（メタデータ） (2021-03-26T01:18:11Z)
• Vehicle trajectory prediction in top-view image sequences based on deep learning method [1.181206257787103]
  周囲の車両の動きを推定し予測することは、自動車両と高度な安全システムにとって不可欠である。 道路の空中画像から得られた画像から学習した計算複雑性の低いモデルを提案する。 提案モデルでは, 対象車両とその周辺車両の移動履歴に関する画像を見るだけで, 自動車の将来の進路を予測できる。
  論文  参考訳（メタデータ） (2021-02-02T20:48:19Z)
• Computer Vision based Animal Collision Avoidance Framework for Autonomous Vehicles [0.0]
  動物はインドの道路でよく目撃されており、毎年自動車と自動車の事故が多発している。 これにより、このような事故の防止を支援するドライバーレス車両支援システムの開発が不可欠となる。 高速道路での動物検出の効率的なアプローチを開発することにより、車両と動物との衝突を回避するためのフレームワークを提案します。
  論文  参考訳（メタデータ） (2020-12-20T09:51:23Z)
• Physically Realizable Adversarial Examples for LiDAR Object Detection [72.0017682322147]
  本稿では,LiDAR検出器を騙すために,汎用な3次元対向物体を生成する手法を提案する。 特に,LiDAR検出器から車両を完全に隠蔽するために,車両の屋根上に対向物体を配置し,その成功率は80%であることを示した。 これは、限られたトレーニングデータから見知らぬ条件下での、より安全な自動運転への一歩だ。
  論文  参考訳（メタデータ） (2020-04-01T16:11:04Z)

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。