DeepCounter:深層学習を用いた細粒度なゴミ排出量データ収集手法
Bibliographic Information
- Other Title
-
- DeepCounter: Collecting Garbage Disposal Data with Deep Learning
Search this article
Description
ゴミの排出量は,住民の家族構成やその生活パターンに影響され,都市そのものの変化を反映する.したがって,ゴミ排出量データが取得可能となれば,清掃車のルート最適化や排出量削減のための啓蒙など,様々な行政施策に利活用可能と考えられる.しかし,現在取得可能なゴミ排出量データは清掃車ごとの回収量にとどまっており,粒度が粗く細微な都市の変化をとらえることは困難である.ゴミは排出量に基づく多様な行政施策を可能とするには,回収地点や量を含む細粒度データが必要となるが,そのようなデータを取得する実際的な手法は欠如している.そこで,本論文ではDeepCounterを提案する.DeepCounterは清掃車に搭載され,清掃車の後方動画に深層学習による物体検出技術を適用することで,清掃車が回収作業をしながらリアルタイムに回収したゴミ袋の個数を推定するセンシングシステムである.実験では藤沢市を走行する清掃車の後部ドライブレコーダで撮影した動画を用いて,提案手法の有効性を検証した.
Various kinds of waste are generated in our daily life, making garbage collection one of the most fundamental public services in modern cities. The amount ofwaste disposal varies significantly in both spatial and temporal dimensions, most probably resulting from the structure of inhabitants and their lifestyle. In other words, changes in the spatio-temporal distribution of garbage disposal also reflect the changes in the city itself. Such fine-grained information on the spatio-temporal distributions of garbage disposal is expected to be utilized for novel applications in waste collection service, urban planing and garbage reduction. However, the lack of an effective yet financially practical approach to automatically recognizing the category and measuring the amount of the collected garbage remains a major obstacle to fulfill the appealing vision of the applications. In this paper, we propose DeepCounter, an automotive sensing system mounted on garbage trucks where the videos of garbage collection are processed for detection of the category such like burnable or non-burnable and amount of collected garbage bags of the corresponding category. A detection-tracking-counting (DTC) algorithm for collecting the data is developed. Experimental evaluation validates the feasibility of the proposed approach using video of realistic garbage collection in Fujisawa city, Japan.
Journal
-
- 情報処理学会論文誌
-
情報処理学会論文誌 61 (1), 36-48, 2020-01-15
- Tweet
Details 詳細情報について
-
- CRID
- 1050845764250634624
-
- NII Article ID
- 170000181599
-
- NII Book ID
- AN00116647
-
- ISSN
- 18827764
-
- Web Site
- http://id.nii.ac.jp/1001/00202630/
-
- Text Lang
- ja
-
- Article Type
- journal article
-
- Data Source
-
- IRDB
- CiNii Articles