論文の概要: MDWD: A Street-Level Dataset for Municipal Solid Waste Detection in Dense Urban Environments

• arxiv url: http://arxiv.org/abs/2608.00257v1
• Date: Fri, 31 Jul 2026 19:54:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 21:56:46.362983
• Title: MDWD: A Street-Level Dataset for Municipal Solid Waste Detection in Dense Urban Environments
• Title（参考訳）: 高密度都市環境における都市ごみ検出のための街路レベルデータセットMDWD
• Abstract要約: 本稿では,マルタ国内廃棄物データセット(MDWD)を紹介する。 MDWDは3,697個の高解像度画像と11,461個の手動アノテートインスタンスからなるストリートレベルのベンチマークである。 その結果、MDWDは、コンパクトリアルタイム検出器とトランスフォーマーベースモデルの両方で効果的なトレーニングをサポートすることがわかった。
• 参考スコア（独自算出の注目度）: 0.23332469289621785
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated visual monitoring of urban environments is a growing Computer Vision research area, but municipal solid waste detection remains under-represented in dedicated benchmark resources. Existing waste-related datasets predominantly address individual litter detection, aerial imagery, or image-level classification, and none simultaneously provide street-level imagery, instance-level localization, and categorization of domestic waste streams within a structured municipal collection context. This paper introduces the Maltese Domestic Waste Dataset (MDWD), a street-level benchmark comprising 3,697 high-resolution images and 11,461 manually annotated instances across five domestic waste categories representative of Malta's municipal collection system. The dataset captures substantial variation in location, illumination, object scale, occlusion, and urban context. To establish reproducible baselines, a cross-architecture benchmark is conducted across multiple generations of the YOLO family and a transformer-based detector. On the test set, RF-DETR-M achieves the strongest overall performance with an mAP50 of 94.49% and an F1-score of 93.56%, whilst smaller-capacity variants maintain competitive accuracy at substantially reduced parameter counts. These results indicate that MDWD supports effective training across both compact real-time detectors and transformer-based models, establishing a benchmark for future research in vision-based municipal waste monitoring.
• Abstract（参考訳）: 都市環境の自動監視はコンピュータビジョン研究の領域として成長しているが、市町村の固形廃棄物検出は専用のベンチマークリソースではほとんど表現されていない。 既存の廃棄物関連データセットは、個々のゴミの検出、航空画像、画像レベルの分類に主に対応しており、街路レベルの画像、事例レベルのローカライゼーション、および構成された自治体の収集状況における国内の廃棄物ストリームの分類を同時に提供していない。 本稿では,マルタの都市ごみ収集システムに代表される5つの国内廃棄物カテゴリを対象とした3,697枚の高解像度画像と11,461個の手動アノテートインスタンスからなる道路レベルベンチマークである,マルタ国内廃棄物データセット(MDWD)について紹介する。 データセットは、位置、照明、オブジェクトスケール、閉塞、都市コンテキストのかなりのバリエーションをキャプチャする。 再現可能なベースラインを確立するために、YOLOファミリーの複数世代にわたるクロスアーキテクチャベンチマークとトランスフォーマーベースの検出器が実行される。 テストセットでは、RF-DETR-MはmAP50の94.49%、F1スコアの93.56%で最強の総合性能を達成する一方、小容量の変種はパラメータ数を大幅に削減した競争精度を維持している。 これらの結果から,MDWDはコンパクトリアルタイム検出器とトランスフォーマーモデルの両方を横断する効果的なトレーニングをサポートし,将来のビジョンベース都市ごみモニタリングの指標となることが示唆された。

関連論文リスト

• An Empirical Evaluation of Cross-City POI Recommendation on a Large-Scale Benchmark [55.73054722370559]
  都市横断点(POI)勧告は、慣れない都市環境をナビゲートするために重要である。 小さいベンチマークで得られた結論が、まだ世界規模でカバーされているか、住宅先が低いか、大きな意味的にリッチなPOI在庫が重複しているかを再検討する。
  論文  参考訳（メタデータ） (2026-08-28T02:16:33Z)
• AerialMetric: Benchmarking and Adapting UAV Monocular Metric Depth Estimation in the Real World [75.54693105865003]
  AerialMetricは,UAV空中視点下での単分子メートル法深度推定の適応性を評価するためのベンチマークデータセットである。 AerialMetricは、52Kの現実世界と16Kの合成画像深度対を信頼できる計量基底真理で提供する。
  論文  参考訳（メタデータ） (2026-06-29T02:48:47Z)
• SemCityLoc: Aerial 6DoF Localization Using Semantic 3D City Models [51.121529170856064]
  本研究では,空中ポーズ推定を再構成する意味幾何学的アライメントシステムSemCityLocを提案する。 粗い輪郭や密集したテクスチャをマッチングする代わりに、本手法は、セマンティックサーフェスとモノクルディープを軽量なセマンティック3Dビルディングモデルと整合させる。 実験は、既存のマップベースのアプローチよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2026-06-25T18:13:39Z)
• CityTrajBench: A Unified Benchmark for City-Scale Vehicle Trajectory Generation [11.800237669997472]
  CityTrajBenchは、都市規模の車両軌道生成のための統一されたベンチマークフレームワークとプロトコルである。 データ取り込み、軌道正規化、特徴構成、モデル適応、マップ対応後処理、モデル選択、評価を標準化する。 このベンチマークは、グローバル空間リアリズム、トリップレベル分布の忠実度、軌跡レベルの幾何学的類似性、条件付きモビリティの整合性、効率を計測する。
  論文  参考訳（メタデータ） (2026-06-01T14:08:56Z)
• CITYREP: A Unified Benchmark for Urban Representations Across Cities, Tasks, and Modalities [0.8319452826580411]
  CityRepは、空間的に構造化された分割を使用して、データモダリティ、都市、タスク間の都市表現を評価するベンチマークである。 その結果,確率的にスコアが膨らんだり,モデルランキングが変更されたりして,性能は分割プロトコルに非常に敏感であることがわかった。 CityRepは、公正な比較を容易にするために、データセット、評価パイプライン、診断ツールを備えた再現可能なベンチマークとしてリリースされた。
  論文  参考訳（メタデータ） (2026-05-25T17:03:46Z)
• Beyond Visual Fidelity: Benchmarking Super-Resolution Models for Large-Scale Remote Sensing Imagery via Downstream Task Integration [61.02313993032298]
  超分解能(SR)技術は低分解能入力から高分解能画像の再構成に大きな進歩をもたらした。 GeoSR-Benchは、SRモデルから改良された画像解像度と下流の地球モニタリングタスクを直接接続する最初のSRベンチマークである。 270の設定で実験を行い、2つのクロスプラットフォームSRタスク、9つのSRモデル、3つのダウンストリームタスクモデル、各SRタスクの5つのダウンストリームタスクをカバーした。
  論文  参考訳（メタデータ） (2026-05-01T00:44:46Z)
• Earth Embeddings Reveal Diverse Urban Signals from Space [17.134313498337804]
  都市信号予測のために、AlphaEarth、Prithvi、Clayの3つの地球埋め込みファミリーをベンチマークした。 統一的な教師付き学習フレームワークを用いて、犯罪、収入、健康、旅行行動にまたがる14の地区レベルの指標を予測する。 以上の結果から, 地層埋没が都市構造に結びつく結果の予測技術として, かなりの都市変動を捉えていることが示唆された。
  論文  参考訳（メタデータ） (2026-04-03T20:58:37Z)
• StreetView-Waste: A Multi-Task Dataset for Urban Waste Management [5.429555343961488]
  StreetView-Wasteは、ごみとごみコンテナを特徴とする都市シーンの包括的なデータセットである。 データセットは,(1)廃棄物の容器検出,(2)廃棄物の容器追跡,(3)廃棄物の区画化という3つの重要な評価タスクをサポートする。
  論文  参考訳（メタデータ） (2025-11-20T15:10:33Z)
• pLitterStreet: Street Level Plastic Litter Detection and Mapping [0.0]
  本稿では, ごみごみとごみ箱の位置に着目し, 街路レベルごみのマッピング手法を提案する。 車両に搭載されたカメラで撮影した街路レベルの画像からごみやゴミを識別する深層学習技術を用いている。 提案手法で開発したオープンソースのデータセット(pLitterStreet)の詳細について述べる。
  論文  参考訳（メタデータ） (2024-01-26T08:59:48Z)
• Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for Cross-City Semantic Segmentation using High-Resolution Domain Adaptation Networks [82.82866901799565]
  我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。 単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。 高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
  論文  参考訳（メタデータ） (2023-09-26T23:55:39Z)
• Improving Visual Grounding by Encouraging Consistent Gradient-based Explanations [58.442103936918805]
  注意マスク整合性は,従来の方法よりも優れた視覚的グラウンドリング結果が得られることを示す。 AMCは効率的で実装が容易であり、どんな視覚言語モデルでも採用できるため一般的である。
  論文  参考訳（メタデータ） (2022-06-30T17:55:12Z)

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。