Traffic Congestion Prediction using Deep Convolutional Neural Networks: A Color-coding Approach

要約

近年のコンピュータビジョンの進歩により、交通映像データは渋滞状況を把握する上で重要な要素となっています。
この研究では、深い畳み込みニューラル ネットワークでトラフィック データをトレーニングする前に、カラー コーディング スキームを使用してトラフィック ビデオを分類するための独自の手法を提案します。
最初に、ビデオ データが画像データ セットに変換されます。
その後、You Only Look Once アルゴリズムを使用して車両検出が実行されます。
画像データセットをバイナリ画像データセットに変換するために、色分けされたスキームが採用されています。
これらのバイナリ イメージは、ディープ畳み込みニューラル ネットワークに供給されます。
UCSD データセットを使用して、98.2% の分類精度を得ました。

要約(オリジナル)

The traffic video data has become a critical factor in confining the state of traffic congestion due to the recent advancements in computer vision. This work proposes a unique technique for traffic video classification using a color-coding scheme before training the traffic data in a Deep convolutional neural network. At first, the video data is transformed into an imagery data set; then, the vehicle detection is performed using the You Only Look Once algorithm. A color-coded scheme has been adopted to transform the imagery dataset into a binary image dataset. These binary images are fed to a Deep Convolutional Neural Network. Using the UCSD dataset, we have obtained a classification accuracy of 98.2%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google