文献

J-GLOBAL ID：202102252559620843   整理番号：21A0893851

埋め込みGPU上での深層学習を用いた自律型無拘束運転検出【JST・京大機械翻訳】

Autonomous Reckless Driving Detection Using Deep Learning on Embedded GPUs

著者 (4件)： Heo Taewook (Electronics and Telecommunications Research Institute) ,  Nam Woojin (Ajou University,Department of Computer Engineering) ,  Paek Jeongyeup (Chung-Ang University,School of Computer Science and Engineering) ,  Ko JeongGil (Yonsei University,School of Integrated Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： MASS  ページ： 464-472  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Reckless運転は危険であり,道路安全を保証するために監視,検出,および法律強化が必要である。この目的のために,本研究は,リアルタイムで自律的に道路の無ck運転活動を監視し,検出する組込みシステムを提示する。組込みGPU(eGPU)プラットフォーム,カメラ,軽量深層学習モデルの組合せを用いて,道路上の異常車両運動を同定できるシステムを設計した。このシステムは,車両検出アルゴリズムからの離散パーフレーム画像を解析し,車両の運動軌跡の連続トレースを生成する。そうしながら,仮想グリッドを道路上で発生して,より少ないオーバヘッドで車両の位置を得て,低フレームレート(5fps)ビデオでも車両の動きを正確に追跡した。次に,車両の運動軌跡を周辺に対して比較し,運転活動分類による異常挙動を同定し,最終検証のための法律実施員に提供できる。重要課題は組込みプラットフォームの基本的な資源制約であり,それらの限界を克服するためのアルゴリズムを設計する。評価結果は,著者らの方式が,車両の水平および垂直運動を良好に抽出することができ(100%の再現と67%の精度),そして,真に自律的な無ckな運転活動検出システムの可能性を示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  カメラ ,  *道路 ,  録画装置 ,  鉛直運動 ,  組込みシステム
準シソーラス用語： フレームレート ,  オーバヘッド ,  実時間 ,  検出アルゴリズム ,  運動軌道 ,  資源制約 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 埋め込み ,  GPU ,  深層学習 ,  自律 ,  拘束