論文の概要: Hazard Detection in Supermarkets using Deep Learning on the Edge

• arxiv url: http://arxiv.org/abs/2003.04116v1
• Date: Sat, 29 Feb 2020 18:43:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 19:58:38.879227
• Title: Hazard Detection in Supermarkets using Deep Learning on the Edge
• Title（参考訳）: エッジ上でのディープラーニングによるスーパーマーケットのハザード検出
• Authors: M. G. Sarwar Murshed, Edward Verenich, James J. Carroll, Nazar Khan, Faraz Hussain
• Abstract要約: スーパーマーケットの床の危険条件をタイムリーに検知することで、重傷を負う可能性を減らすことができる。 本稿では,資源制約のあるデバイスへの展開と推論を容易にする,新しい軽量ディープラーニングモデルEdgeLiteを提案する。
• 参考スコア（独自算出の注目度）: 0.7079737824450953
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Supermarkets need to ensure clean and safe environments for both shoppers and employees. Slips, trips, and falls can result in injuries that have a physical as well as financial cost. Timely detection of hazardous conditions such as spilled liquids or fallen items on supermarket floors can reduce the chances of serious injuries. This paper presents EdgeLite, a novel, lightweight deep learning model for easy deployment and inference on resource-constrained devices. We describe the use of EdgeLite on two edge devices for detecting supermarket floor hazards. On a hazard detection dataset that we developed, EdgeLite, when deployed on edge devices, outperformed six state-of-the-art object detection models in terms of accuracy while having comparable memory usage and inference time.
• Abstract（参考訳）: スーパーマーケットは買い物客と従業員の両方にとってクリーンで安全な環境を確保する必要がある。 スリップ、トリップ、転倒は、身体的および金銭的コストを伴う怪我を引き起こす可能性がある。 スーパーマーケットの床に流出した液体や落下物などの有害な状況のタイムリーな検出は、重傷を負う可能性を減らすことができる。 本稿では,資源制約のあるデバイスへの展開と推論を容易にする,新しい軽量ディープラーニングモデルEdgeLiteを提案する。 スーパーマーケットのフロアハザードを検出する2つのエッジデバイスにおけるEdgeLiteの使用について述べる。 私たちが開発したハザード検出データセットでは、エッジデバイスにデプロイされたEdgeLiteは、メモリ使用量と推論時間に匹敵する精度で、6つの最先端オブジェクト検出モデルを上回った。

関連論文リスト

• "Don't forget to put the milk back!" Dataset for Enabling Embodied Agents to Detect Anomalous Situations [49.66220439673356]
  私たちは、SafetyDetectと呼ばれる新しいデータセットを作成しました。 SafetyDetectデータセットは1000の異常なホームシーンで構成されている。 提案手法は,シーンのグラフ表現とシーン内のオブジェクト間の関係の両方とともに,大規模言語モデル(LLM)を利用する。
  論文  参考訳（メタデータ） (2024-04-12T21:56:21Z)
• Robust Tiny Object Detection in Aerial Images amidst Label Noise [50.257696872021164]
  本研究は,ノイズラベル管理下での微小物体検出の問題に対処する。 本稿では,DN-TOD(Denoising Tiny Object Detector)を提案する。 本手法は,1段と2段の両方のオブジェクト検出パイプラインにシームレスに統合できる。
  論文  参考訳（メタデータ） (2024-01-16T02:14:33Z)
• X-Adv: Physical Adversarial Object Attacks against X-ray Prohibited Item Detection [113.10386151761682]
  テクスチャフリーなX線画像を対象とした敵攻撃は未発見である。 本稿では,X線禁止項目検出を目的とした敵攻撃の研究に向けて第一歩を踏み出す。 我々は,X線検出器を消毒できる対向剤として機能する物理的に印刷可能な金属を生成するために,X-Advを提案する。
  論文  参考訳（メタデータ） (2023-02-19T06:31:17Z)
• End-to-End Instance Edge Detection [29.650295133113183]
  エッジ検出は長い間、コンピュータビジョンの分野で重要な問題であった。 従来の研究は、カテゴリ非依存またはカテゴリ対応エッジ検出を探索してきた。 本稿では,オブジェクトインスタンスのコンテキストにおけるエッジ検出について検討する。
  論文  参考訳（メタデータ） (2022-04-06T15:32:21Z)
• Smartphone-based Hard-braking Event Detection at Scale for Road Safety Services [6.451490979743455]
  道路事故は世界第6位の障害調整生命年(DALY)の原因となっている。 本稿では,スマートフォンセンサから収集したキネマティクスデータを用いて,ハードブレーキイベントを検出するスケーラブルなアプローチを提案する。 われわれはTransformerをベースとした機械学習モデルをトレーニングし、Google Mapsでナビゲートしながらスマートフォンや車両のセンサーから、スマートフォンと車両のセンサーを同時に読み取ることで、ハードブレーキイベントの検出を可能にした。
  論文  参考訳（メタデータ） (2022-02-04T01:30:32Z)
• Towards Real-World Prohibited Item Detection: A Large-Scale X-ray Benchmark [53.9819155669618]
  本稿では,PIDrayと命名された大規模データセットについて述べる。 大量の努力を払って、私たちのデータセットには、高品質な注釈付きセグメンテーションマスクとバウンディングボックスを備えた47,677ドルのX線画像に、禁止アイテムの12ドルカテゴリが含まれています。 提案手法は最先端の手法に対して,特に故意に隠された項目を検出するために好適に機能する。
  論文  参考訳（メタデータ） (2021-08-16T11:14:16Z)
• Inspect, Understand, Overcome: A Survey of Practical Methods for AI Safety [54.478842696269304]
  安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。 近年,これらの安全対策を目的とした最先端技術動物園が出現している。 本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
  論文  参考訳（メタデータ） (2021-04-29T09:54:54Z)
• Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object Detection [55.12894776039135]
  ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。 対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。 5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
  論文  参考訳（メタデータ） (2021-03-26T01:18:11Z)
• Detecting Electric Devices in 3D Images of Bags [0.0]
  交通安全産業は、可能な限り大量の荷物を脅威やコントラバンドにスクリーニングするという課題に直面している。 従来の2次元X線画像は、密に充填され、様々な乱れや隠蔽された物体を含んでいるため、検査が非常に困難であることが多い。 これらの制限のため、主要空港は3次元X線CT(Computerd Tomography)バッグスキャンを導入している。 荷物の3次元画像から電気機器を自動検出する方法について検討する。
  論文  参考訳（メタデータ） (2020-04-25T11:30:42Z)
• TOG: Targeted Adversarial Objectness Gradient Attacks on Real-time Object Detection Systems [14.976840260248913]
  本稿では,3つの対象対向対象度勾配攻撃により,オブジェクトの消滅,オブジェクトのファブリケーション,オブジェクトのミスラベリングが生じることを示す。 また,ブラックボックス攻撃に対して,対向移動性を利用する汎用的オブジェクト指向勾配攻撃を提案する。 その結果、深刻な敵の脆弱性が示され、堅牢な物体検出システムを開発するための説得力のある必要性が示された。
  論文  参考訳（メタデータ） (2020-04-09T01:36:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。