要約
この文書では、レース写真の包括的な分析に高度な深層学習とコンピューター ビジョン モデルを利用した新しいアプリケーション、RaceLens について紹介します。
開発されたモデルは、レーシングカーの検出、車番の認識、車の詳細の検出と定量化、車の方向の認識など、幅広いタスクでその効率性を実証しました。
モデルのトレーニングに必要な堅牢なデータセットを収集するプロセスについて説明し、このデータセットを継続的に増強および改善するために設計したアプローチについて説明します。
私たちの手法ではフィードバック ループを活用してモデルを継続的に改善し、時間の経過とともに RaceLens のパフォーマンスと精度を向上させます。
私たちの研究の重要な部分は、4 シーズンにわたる NASCAR チームによる RaceLens の導入の成功に焦点を当て、RaceLens の実際の応用を説明することに専念しています。
私たちは、システムのパフォーマンスと、それがチームの戦略的意思決定およびパフォーマンス指標に与える直接的な影響の包括的な評価を提供します。
この結果は、カーレースの競争的でダイナミックな世界におけるマシンインテリジェンスの変革の可能性を強調し、将来のアプリケーションの前例となるものです。
要約(オリジナル)
This paper presents RaceLens, a novel application utilizing advanced deep learning and computer vision models for comprehensive analysis of racing photos. The developed models have demonstrated their efficiency in a wide array of tasks, including detecting racing cars, recognizing car numbers, detecting and quantifying car details, and recognizing car orientations. We discuss the process of collecting a robust dataset necessary for training our models, and describe an approach we have designed to augment and improve this dataset continually. Our method leverages a feedback loop for continuous model improvement, thus enhancing the performance and accuracy of RaceLens over time. A significant part of our study is dedicated to illustrating the practical application of RaceLens, focusing on its successful deployment by NASCAR teams over four seasons. We provide a comprehensive evaluation of our system’s performance and its direct impact on the team’s strategic decisions and performance metrics. The results underscore the transformative potential of machine intelligence in the competitive and dynamic world of car racing, setting a precedent for future applications.
arxiv情報
| 著者 | Andrei Boiarov,Dmitry Bleklov,Pavlo Bredikhin,Nikita Koritsky,Sergey Ulasen |
| 発行日 | 2023-10-20 13:58:31+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google