論文の概要: Unsupervised Clustering of Public Transport Vehicles Using Deep Morphological Features and Color Histograms
- arxiv url: http://arxiv.org/abs/2610.22270v1
- Date: Thu, 15 Oct 2026 17:34:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 06:09:33.228228
- Title: Unsupervised Clustering of Public Transport Vehicles Using Deep Morphological Features and Color Histograms
- Title（参考訳）: 深部形態特徴とカラーヒストグラムを用いた公共交通機関の無監督クラスタリング
- Abstract要約: 本研究では,公共交通機関における非監視クラスタリング手法を提案する。
メキシコシティの幹線道路の約1,460時間の映像から抽出した7,972枚のバス画像を用いて評価した。
65%の形態的特徴と35%のカラー特徴の融合により、パイプラインは14のクラスターを生成し、異なるルートと車両タイプを分離した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Surveillance cameras along urban roads produce large volumes of unlabeled video that could support the monitoring of public transport, but grouping the observed vehicles into meaningful categories without manual annotation remains challenging, since buses from different routes often share the same body structure and differ mainly in their color schemes. This study presents an unsupervised clustering methodology for public transport vehicles that combines morphological features extracted with a frozen DINOv2 Vision Transformer and handcrafted HSV color histograms through weighted early fusion, followed by UMAP projection and K-Means clustering. The method was evaluated on 7,972 bus images extracted from about 1,460 hours of video of an arterial road in Mexico City, with the goal of isolating the buses of the city's public bus network (RTP) without supervision. With a fusion of 65\% morphological and 35\% color features, the pipeline produced 14 clusters that separate distinct routes and vehicle types, and it increased the precision of the target cluster with respect to morphological features alone. These results show that color complements self-supervised features for route-level clustering, provided that it does not dominate the representation.
- Abstract（参考訳）: 都市道路沿いの監視カメラは、公共交通機関の監視を支援することができる大量のラベル付きビデオを生成するが、観察された車両を手動の注釈なしで意味のあるカテゴリーに分類することは、しばしば異なるルートのバスが同じボディ構造を共有し、主にそのカラースキームが異なるため、依然として困難である。
本研究では, 凍結したDINOv2視覚変換器と手作りHSVカラーヒストグラムを併用し, UMAPプロジェクションとK-Meansクラスタリングを併用した, 公共交通機関における非教師なしクラスタリング手法を提案する。
メキシコシティの幹線道路の約1,460時間の映像から抽出した7,972枚のバス画像から,市内の公共バス網(RTP)のバスを監督せずに分離することを目的とした。
65 %のモルフォロジーと35 %のカラーの特徴を融合させることで、パイプラインは14個のクラスターを生成し、異なるルートと車両タイプを分離し、モルフォロジーの特徴のみに関してターゲットクラスタの精度を高めた。
これらの結果から、色はルートレベルのクラスタリングのための自己監督的特徴を補完するもので、表現が支配的でないことが示されている。
関連論文リスト
- The Harsh Truth: Segment-Level Analysis of Harsh Driving Events in Milan Using Large-Scale Telematics, Street Networks, and Google Street View [3.6759575438610184]
本研究はミラノの都市道路網を横断する過酷な出来事を分析した。
ハーシュ加速と制動イベントは、サロゲート安全指標として広く用いられているが、これまでは比較的小さな都市サンプルでのみ研究されてきた。
論文 参考訳（メタデータ） (2026-05-29T18:46:55Z) - OptiMVMap: Offline Vectorized Map Construction via Optimal Multi-vehicle Perspectives [111.69010751405368]
オフラインベクトル化マップは、高精度の自動運転およびマッピングサービスの重要な基盤となっている。
既存のアプローチは、基本的に視点の不十分さに苦しむ1つのエゴ車軌道に大きく依存している。
本稿では,これらの課題に体系的に対処するために,多車種対応マップを選択型ヒューズ問題として再構成するOptiMVMapを提案する。
論文 参考訳（メタデータ） (2026-04-18T20:23:27Z) - GHOST: Ground-projected Hypotheses from Observed Structure-from-Motion Trajectories [1.9318925338937918]
本稿では,モノクル画像から車両軌道を分割して自律走行する,スケーラブルな自己教師型アプローチを提案する。
記録した自走車の動きを暗黙の監視として扱い,モノクラー構造によるカメラ軌跡の復元を行った。
以上の結果から, 大規模エゴモーション蒸留は構造と一般化可能な経路の提案をもたらすことが示唆された。
論文 参考訳（メタデータ） (2026-03-21T00:47:03Z) - Microscopic Vehicle Trajectory Datasets from UAV-collected Video for Heterogeneous, Area-Based Urban Traffic [2.31849429719105]
本稿では,無人航空機(UAV)を用いた異種都市交通条件下でのデータセットについて述べる。
UAVベースの記録は、これらの問題を減らし、豊かな空間的・時間的ダイナミクスを捉えるトップダウンの視点を提供する。
データは、インドの首都圏の6つの中間ブロックで収集され、多様な交通構成と密度レベルをカバーしている。
論文 参考訳（メタデータ） (2025-12-10T08:27:17Z) - Unsupervised Monocular Road Segmentation for Autonomous Driving via Scene Geometry [2.8647133890966994]
本稿では,二元道路セグメンテーション(道路対非道路)に対する教師なしアプローチを提案する。
この手法はシーン形状と時間的手がかりを利用して道路を非道路地域と区別する。
Cityscapesデータセットでは、IoU(Intersection-over-Union)が0.82で達成され、単純な設計で高精度であることが示されている。
論文 参考訳（メタデータ） (2025-10-19T10:59:43Z) - 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) - OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。
OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。
様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
論文 参考訳（メタデータ） (2023-04-20T16:31:22Z) - Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。
我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
論文 参考訳（メタデータ） (2022-11-15T13:52:41Z) - 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) - Parsing-based View-aware Embedding Network for Vehicle Re-Identification [138.11983486734576]
本稿では,車載ReIDのビューアウェア機能アライメントと拡張を実現するために,解析に基づくPVEN(View-Aware Embedding Network)を提案する。
3つのデータセットで行った実験により、我々のモデルは最先端の手法よりも大きなマージンで優れていることが示された。
論文 参考訳（メタデータ） (2020-04-10T13:06:09Z)
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。