Acoustic insights: advancing object classification in urban landscapes using distributed acoustic sensing and convolutional neural networks

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F24%3APU151177" target="_blank" >RIV/00216305:26220/24:PU151177 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1117/12.3021990" target="_blank" >http://dx.doi.org/10.1117/12.3021990</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1117/12.3021990" target="_blank" >10.1117/12.3021990</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Acoustic insights: advancing object classification in urban landscapes using distributed acoustic sensing and convolutional neural networks

Popis výsledku v původním jazyce

The paper introduces an innovative object classification method for urban environments, employing distributed acoustic sensing (DAS) to address the complexities of urban landscapes. Utilizing omnipresent optical telecommunication cables, our approach involves a modified convolutional neural network (CNN) with transfer learning, achieving up to 85% accuracy. This method reuses most of the original network for feature extraction, with a final layer customized for new urban datasets – initially trained at the Brno University of Technology and then adapted to city center data. The model effectively identifies urban elements like vehicles and pedestrians, showcasing the potential of DAS for real-time classification in urban management and planning.

Název v anglickém jazyce

Acoustic insights: advancing object classification in urban landscapes using distributed acoustic sensing and convolutional neural networks

Popis výsledku anglicky

The paper introduces an innovative object classification method for urban environments, employing distributed acoustic sensing (DAS) to address the complexities of urban landscapes. Utilizing omnipresent optical telecommunication cables, our approach involves a modified convolutional neural network (CNN) with transfer learning, achieving up to 85% accuracy. This method reuses most of the original network for feature extraction, with a final layer customized for new urban datasets – initially trained at the Brno University of Technology and then adapted to city center data. The model effectively identifies urban elements like vehicles and pedestrians, showcasing the potential of DAS for real-time classification in urban management and planning.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20203 - Telecommunications

Projekt

<a href="/cs/project/VK01030121" target="_blank" >VK01030121: Distribuovaný optický-vláknový senzorický systém středního dosahu pro monitorování akustických vibrací a teploty na kritických infrastrukturách</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Machine Learning in Photonics

ISBN

—

ISSN

0277-786X

e-ISSN

—

Počet stran výsledku

5

Strana od-do

„“-„“

Název nakladatele

Neuveden

Místo vydání

neuveden

Místo konání akce

Strasbourg

Datum konání akce

7. 4. 2024

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—