دانلود مقاله انگلیسی رایگان:چالش شهر هوش مصنوعی 2020 : چشم انداز رایانه ای برای برنامه های حمل و نقل هوشمند - 2020
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی هوش مصنوعی رایگان
  • AI City Challenge 2020 – Computer Vision for Smart Transportation Applications AI City Challenge 2020 – Computer Vision for Smart Transportation Applications
    AI City Challenge 2020 – Computer Vision for Smart Transportation Applications

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    AI City Challenge 2020 – Computer Vision for Smart Transportation Applications


    ترجمه فارسی عنوان مقاله:

    چالش شهر هوش مصنوعی 2020 : چشم انداز رایانه ای برای برنامه های حمل و نقل هوشمند


    منبع:

    IEEE - 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW);2020; ; ;10.1109/CVPRW50498.2020.00318


    نویسنده:

    Ming-Ching Chang , 1 Chen-Kuo Chiang . 2 Chun-Ming Tsai


    چکیده انگلیسی:

    We present methods developed in our participation of the AI City 2020 Challenge (AIC20) and report evaluation results in this contest. With the blooming of AI computer vision techniques, vehicle detection, tracking, identification, and counting all have advanced significantly. However, whether these technologies are ready for real-world smart transportation usage is still a open question. The goal of this work is to apply and integrate state-of-the-art techniques for solving the challenge problems under a standardized setup and evaluation. We participated all 4 AIC20 challenge tracks (T1 to T4). In T1 challenge, we perform vehicle counting by associating deep features extracted from Mask-RCNN detections and tracklets, followed by vehicle movement zone matching. In T2 challenge, we perform vehicle type and color classification and then rank matching vehicles using a PGAM re-id network. In T3 challenge, we proposed a new Multi-Camera Tracking Network (MTCN) that takes single-camera vehicle tracking as input, and performs multi-camera tracklet fusion and linking, by jointly optimizing the matching of vehicle appearance and physical features. In T4 challenge, we adopt a leading method based on perspective detection and spatial-temporal matrix discriminating, and improve it with background modeling for traffic anomaly detection. We achieved top-6 and top-4 performance for T3 and T4 challenges respectively in the AIC20 general leaderboard.


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 10
    حجم فایل: 1633 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi